Responses to and interpretation of anti-Muslim racism in Canada : a community perspective
Notice bibliographique
Résumé
Against the backdrop of rising levels of anti-“Muslim” racism (aka Islamophobia) in Canada, coupled with the nation-state’s targeting and surveillance of these communities, my dissertation sets out to interpret the responses to this racism by the affected communities themselves. In this study, I employ qualitative methodology within a critical race theoretical framework informed by indigenous and post-colonial theory. After inviting participation from self-identified Muslim and Arab community organizations, whether outwardly responding to racism or not, over a one year period (2011-2012), I interviewed eleven diverse organizations, all of which are working in various capabilities and focus on community capacity building – including in the sectors of professional mentorship and networking, activities such as multi/inter-faith programming, social services, and advocacy for their communities. I asked participants to share their narratives and views on a wide array of questions: their assessment of the situation of their communities and constituencies in Canada, their experiences with “community government,” and their assessment of the “good Muslim/bad Muslim” nexus. I classify data I gathered into a heuristic of three types of responses: direct, status and native informant, and argue that although most of them fall into the range of status, it is direct responses – ones that commence and attend to racial injustice – that can have the most positive impact in terms of overall responses to systemic anti-Muslim racism.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,056 | 0,027 |
| Communication savante | 0,014 | 0,003 |
| Science ouverte | 0,003 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».