MétaCan
Menu
Retour à la cohorte
Enregistrement W2962705147 · doi:10.5539/ijel.v9n4p358

Disrupting the Discourse Behind the Zoning of the Native Americans: Linda Hogan’s Mean Spirit in the Environmental Racist Perspective

2019· article· en· W2962705147 sur OpenAlexvenueno aff
Sehrish Bibi, Wajid Hussain

Notice bibliographique

RevueInternational Journal of English Linguistics · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEnvironmental Justice and Health Disparities
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHoganSociologyPerspective (graphical)ReservationRacismDilemmaZoningEnvironmental ethicsGender studiesLawPolitical scienceEpistemologyAnthropology

Résumé

récupéré en direct d'OpenAlex

This paper disrupts the Euro Americans’ environmental colonialist discourse which involves the practices of racist policies that result in the relocation of the Native Americans to a confinement called reservation. More specifically, it discusses this relocation which is termed as zoning as a dilemma for the Natives because this practice by the Euro Americans, which is primarily involves their economic agenda, not only restricts the Natives to their reservation and denies life opportunities for them but puts the responsibility of their plight on themselves. A qualitative content analysis, the research explores this idea in Linda Hogan’s Mean Spirit in the light of the joint critique of environmental racism and critical discourse analysis. Linguistically, the study applies critical discourse analysis focusing on van Dijk’s concept of discourse and manipulation. The analysis reveals that the discursive and cognitive strategies employed by the Euro Americans for the zoning of the Natives help the former rationalize and legitimize their environmental colonial practices. The discursive process first involves the creation of “othering” and then the tactful presentation of this “othering”. The study also highlights the counter actions taken by the Natives on the basis of the same or similar strategies as have been employed against them, to resist their zoning.

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)0,009
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,030
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0170,041
Communication savante0,0120,011
Science ouverte0,0010,006
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,017
Tête enseignante GPT0,346
Écart entre enseignants0,328 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of English LinguisticsMême sujetEnvironmental Justice and Health DisparitiesTravaux en français237 207