Support for Tough Immigration Policy: Identity Defense or Concern for Law and Order?
Notice bibliographique
Résumé
Abstract Across two studies, U.S. participants read a fictional transcript of a law enforcement officer who observed a speeding infraction and made a discretionary traffic stop. The car carried occupants who displayed either high or low fit with Anglocentric constructions of U.S. identity and were of presumptive Mexican (Studies 1 and 2), Canadian (Study 1), or Irish (Study 2) origin. The officer decided over the course of the traffic stop that the occupants’ behavior aroused “reasonable suspicion” about documentation status, so he asked them to produce identification documents and detained them when they failed to do so. Participants indicated their suspicion about occupants’ documentation status and rated the appropriateness of law enforcement actions. Results indicate effects of origin across both studies for all outcomes: participants considered occupants of Mexican origin (vs. Canadian or Irish) as more suspicious, and rated law enforcement actions related to traffic and immigration violations as more appropriate when the interaction involved occupants of Mexican origin (vs. Canadian or Irish). Results indicate effects of fit across both studies for all outcomes: participants considered occupants who showed low‐fit (vs. high‐fit) as more suspicious, and rated law enforcement actions related to traffic and immigration violations as more appropriate when occupants showed low‐fit (vs. high‐fit). Discussion focuses on how participant support for punitive anti‐immigration measures is less about neutral enforcement of law than about racialized exclusion to defend an Anglocentric construction of U.S. identity.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».