MétaCan
Menu
Retour à la cohorte
Enregistrement W2895245915 · doi:10.1177/2156869318799145

Does Religion Buffer the Effects of Discrimination on Distress for Religious Minorities? The Case of Arab Americans

2018· article· en· W2895245915 sur OpenAlexaff
Sarah Shah

Notice bibliographique

RevueSociety and Mental Health · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueReligion, Spirituality, and Psychology
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésReligiosityPsychologySalience (neuroscience)DistressSalientSocial psychologyAttendanceCoping (psychology)ForgivenessClinical psychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Religiosity is well documented as a coping resource that protects against the effects of discrimination on distress, but little is known about the utility of religious minorities’ religiosity. This study investigates if religious resources buffer the effect of discrimination on distress for Arab Americans and if that relationship differs based on religious minority status. Following the contours of the stress process model, I leverage data from the 2003 Detroit Arab American Survey (DAAS; N = 977) to test the relationship between distress, discrimination, and three measures of religiosity: frequency of religious service attendance, God salience, and salient religious practices. The results indicate that for the overall sample, only salient religious practices buffered discrimination. However, when religious affiliation was taken into account, the results indicate that both God salience and salient religious practices significantly buffer discrimination for Muslim respondents only. I conclude with theoretical contributions, study limitations, and future research avenues.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,130
Score d'incertitude au seuil0,963

Scores Codex et Gemma par catégorie

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

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 Opus0,021
Tête enseignante GPT0,375
Écart entre enseignants0,355 · 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 tête enseignante, 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

Citations20
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSociety and Mental HealthMême sujetReligion, Spirituality, and PsychologyTravaux en français237 207