The Spread of Anti‐Islamic Sentiment: A Comparison between the United States and Western Europe
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Since the 1980s, anti‐Islamic sentiment has grown in both the United States and Western Europe. However, the political and electoral success of anti‐Islamic actors has been asymmetrical between these regions. In most countries in Western Europe, anti‐Islamic sentiment is still contained to the fringes. Conversely, it has become highly influential in decision‐making circles in the United States. In this article we show that the demand for anti‐Islamic sentiment and the rhetorical strategies of anti‐Islamic actors have been similar in both parts of the world, but differ in their organizational strength and opportunity structures. In Western Europe, such sentiments are contained to radical right‐wing parties, activists, and think tanks. In contrast, anti‐Islamic forces in the United States have formed a strong, well‐funded, and organized coalition capable of influencing the White House, most recently through Donald Trump's presidency. Using a supply and demand theoretical framework, we argue that these differing supply‐side organizational and opportunity structures help explain the relative differences in success between the two regions. Related Articles Antwi‐Boateng, Osman. 2017. “The Rise of Pan‐Islamic Terrorism in Africa: A Global Security Challenge.” Politics & Policy 45 (2): 253‐284. https://doi.org/10.1111/polp.12195 Maggio, Jim. 2007. “The Presidential Rhetoric of Terror: The (Re)Creation of Reality Immediately after 9/11.” Politics & Policy 35 (4): 810‐835. https://doi.org/10.1111/j.1747-1346.2007.00085.x Stockemer, Daniel. 2016. “Is the Turnout Function in Democracies and Nondemocracies Alike or Different?” Politics & Policy 44 (5): 889‐915. https://doi.org/10.1111/polp.12174
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle