Notice bibliographique
Résumé
Abstract Islamophobia is a term used to describe society’s phobic reaction to a certain religious or ideological group. Historically, the coined word Islamophobia has been manipulated into various constructs, which pose a microcosm-macrocosm challenge for educators over whether or not the education system can act as a platform for better understanding what is currently transpiring in the world. It is in the classroom that educators and students can grapple with the sociophobic situation and pull apart the two sides of Islam and phobia. In the classroom there are learning opportunities that can foster critical new understandings about why social phobias exist and challenge, through an antiphobic curriculum, the fear and indifference of otherness. New and higher levels of immigration in the Western world, rising tensions in non-Muslim populations, and the baggage of history have brought us to a critical turning point. Educators can respond positively and constructively to this challenge and opportunity and help to steer the course. Although Islamophobia is present in many countries worldwide, assimilationist policies vary from country to country. Nonetheless, individual countries, including the United Kingdom, Canada, the United States, Australia, and in those in Western Europe, have their own takes on Islamophobia. Since 9/11 there has been significant agreement among scholars that societal changes can be constructed through the systematic employment of specific curricular initiatives. These initiatives call into question the traditional trajectory of how the sentiments of Islamophobia can be successfully countered in the classroom to reduce sociophobic tensions and increase cultural and linguistic awareness. This can happen through culturally sustaining pedagogy, whose primary objective is to embrace literate, linguistic, and cultural pluralism in the school system. Education has tremendous power to challenge phobic perspectives and move beyond the traditional realm of what has historically been the norm in the classroom.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,014 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,000 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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 ».