MétaCan
Menu
Retour à la cohorte
Enregistrement W2626182967 · doi:10.1080/14733285.2017.1334113

Youth geographies of urban estrangement in the Canadian city: risk management, race relations and the ‘sacrificial stranger’

2017· article· en· W2626182967 sur OpenAlexafffundabout
Jo‐Anne Dillabough, Ee‐Seul Yoon

Notice bibliographique

RevueChildren s Geographies · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Refugees, and Integration
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaMinistry of Education, Libya
Mots-clésDisadvantagedSociologyGender studiesCritical race theoryEthnographyNarrativePoliticsRace (biology)ConversationMedia studiesPolitical scienceAnthropologyLaw

Résumé

récupéré en direct d'OpenAlex

This paper explores the impact of urban social divisions and changing race relations on the experiences of disadvantaged youth living on the periphery of two Canadian cities: Vancouver and Toronto. We analyze a cross-national subsample of 60 disadvantaged youths’ perceptions of urban social conflict and changing race relations in their city and school. We raise the larger question of how and why economically disadvantaged young people might embody particular understandings of safety, race, the other and security in different spatial registers of the city. We utilize an ethnographic methodology drawing from diverse but interrelated fields: border studies, the phenomenology of estrangement and a materialist version of critical race studies [(Ahmed, S. 1999. “Home and Away Narratives of Migration and Strangeness.” International Journal of Cultural Studies 2 (3): 329–347, Ahmed, S. 2010. The Promise of Happiness. Durham, NC: Duke University Press, Ahmed, S. 2013. The Cultural Politics of Emotion. London: Routledge; Kearney, R., and V. E. Taylor. 2005. “A Conversation with Richard Kearney.” Journal for Cultural and Religious Theory 6 (2): 17–26)].

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,159

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0130,006
Communication savante0,0040,001
Science ouverte0,0010,005
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,253
Écart entre enseignants0,240 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueChildren s GeographiesMême sujetMigration, Refugees, and IntegrationTravaux en français237 207