Unsettling allyship, unlearning and learning towards decolonising solidarity
Notice bibliographique
Résumé
Social movements are pedagogical spaces for collective learning across difference. Divergent worldviews, interest and identity, historical legacies and relations of power complicate notions of allyship and solidarity for common cause. In this article, we draw on social movement and transformative learning to reflect on our experiences of learning and unlearning as white settler-colonialists researching allyship in the Standing Rock struggle against an oil pipeline in the United States. Our text is also shaped by our own experience as activists within a local Indigenous-led movement to protect ocean and land from the Trudeau–Kinder Morgan oil pipeline. First we introduce ourselves, our research project, context and argument. We then position our work within social movement and transformative learning scholarship, critique notions of allyship and then solidarity. We argue for the unlearning of colonial practices and mindsets which centre our particular white colonial knowledge, leadership, privilege, power and bodies and learning towards decolonising solidarity. To illustrate this process, we present three personal vignettes that speak about the start of our own 'unlearning of ourselves', and learning of decolonising solidarity. We conclude the article with a discussion of how best we believe learning towards decolonising solidarity might proceed in social movements.
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 | 0,006 | 0,007 |
| 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 | 0,012 | 0,048 |
| Communication savante | 0,007 | 0,008 |
| Science ouverte | 0,001 | 0,013 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».