MétaCan
Menu
Retour à la cohorte
Enregistrement W3040432544

Naturalising Whiteness: Cultural competency and the perpetuation of White supremacy

2020· article· en· W3040432544 sur OpenAlexaffabout
Morris Beckford

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueService-Learning and Community Engagement
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésWhite supremacyCognitive reframingSociologyPopulismIndividualismEnvironmental ethicsPublic relationsPolitical scienceGender studiesPolitical economyLawRacismPoliticsSocial psychologyPsychology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Non-profit organisations engage with us from birth to grave.  In Canada, there are over 170,000 of them. Non-profits account for more ‘value add’ than motor vehicle manufacturing, mining, oil and gas extraction combined. Yet, in an increasingly diverse society where right-wing populism has, arguably, seemed to re-assert, re-root and reposition itself to reframe systems with which we engage on a daily basis, we still insist on using an individualistic approach to working with people who have been and continue to be harmed by those systems. A central problem is cultural competency and the ways in which it supports the positioning of race. In the Canadian context, despite historical and contemporary evidence to the contrary, Whiteness is positioned as the ideal and the normal. The concept of cultural competency helps to position Whiteness as the ideal against which race in organisations must be measured by allowing organisations to focus only on individuals and their inability to engage effectively with organisations and organisational systems, not on the systems. My argument is that the concept of cultural competency aids in the perpetuation and naturalisation of Whiteness as normative, thereby aiding in the maintenance of systemic oppression.

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)0,010
score de la tête « metaresearch » (Gemma)0,009
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 enseignants0,086
Score d'incertitude au seuil0,172

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0170,102
Communication savante0,0090,006
Science ouverte0,0010,010
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,042
Tête enseignante GPT0,306
Écart entre enseignants0,264 · 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

Citations4
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetService-Learning and Community EngagementTravaux en français237 207