Psychology Cannot Afford to Ignore the Many Harms Caused by Microaggressions
Notice bibliographique
Résumé
In an ongoing debate, Scott Lilienfeld (2019) continues to question the merits and meaning of microaggressions research. Key issues include how to define microaggressions, whether microaggressions cause measurable harm, whether microaggression education is helpful, and defining the most important next steps in the microaggressions research agenda. I discuss the importance of understanding microaggressions in context and as they relate to pathological stereotypes about groups, given that this is critical to identifying them. I summarize some of the many longitudinal studies linking psychological and medical problems to experiences of everyday discrimination. In addition, the literature indicates that victims of microaggressions experience further harms when trying to respond to offenders, but there is little research to support any specific interventions, including those advanced by Lilienfeld. I discuss the importance of believing and supporting those reporting experiences of microaggressions. I conclude that there is a need for more research examining (a) how to reduce the commission of microaggressions, (b) how to best respond to offenders in the moment in a way that mitigates harm for all persons involved, and (c) how clinicians can best help those who are suffering as a result of microaggressions as the next frontier in this important work.
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 | 0,015 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,018 |
| Communication savante | 0,006 | 0,012 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,051 | 0,084 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,007 |
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 ».