MétaCan
Menu
Retour à la cohorte
Enregistrement W2921780226 · doi:10.15353/lsuj.v3i0.433

The Racialization of the African-American and Asian-American Citizen: A Comparative Legal Analysis

2019· article· en· W2921780226 sur OpenAlexaffvenue
Mallory Yung

Notice bibliographique

RevueLegal Studies Undergraduate Journal · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueRace, History, and American Society
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésRacializationGender studiesScholarshipSociologyRace (biology)Context (archaeology)CriminologyPolitical scienceLawHistory

Résumé

récupéré en direct d'OpenAlex

The perception of racial tensions in North American settler countries has historically been focused on the Black/White relationship, as has much of the theoretical legal discourse surrounding the concept of “race”. Accordingly, the scope of much critical race scholarship has been restricted such that it rarely acknowledges the racial tensions that persist between different racially-excluded minorities. This paper hopes to expand and integrate the examination of Black and Asian-American racialization that critical race scholars have previously revealed. It will do this by historicizing the respective contours of Black and Asian-American racialization processes through legislation and landmark court cases in a neo-colonial context. The defining features of racialization which have culminated in the ultimate divergence of each group’s racialization will be compared and contrasted. This divergence sees the differential labeling of Asian-Americans as the ‘model minority’ while Blacks continue to be subjugated by modern modalities of exclusionary systems of control. The consequences of this divergence in relation to preserving existing racial and social hierarchies will be discussed in the final sections of this paper.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,072
Score d'incertitude au seuil0,143

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0160,013
Communication savante0,0040,003
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,019
Tête enseignante GPT0,324
Écart entre enseignants0,306 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLegal Studies Undergraduate JournalMême sujetRace, History, and American SocietyTravaux en français237 207