Notice bibliographique
Résumé
Abstract Purpose – This chapter highlights how counter-radicalization, as a manifestation of diffuse securitizing, impacts the work of Muslim civil society organizations (CSOs) in Canada. Methodology – The author presents how Muslim communities and their civil society representatives experience and adapt to the pressures from counter-radicalization policies. Data for the analysis are drawn from 16 semi-structured, anonymized interviews with managers and board members of prominent Muslim CSOs that are based in urban centers in Canada with high density of Muslim populations. Findings – Though counter-radicalization policies are advanced under the rubric of community-orientedness and risk governance, security discourse and practice constructs radicalization as a problem within Muslim communities treating them as suspects who are “potentially radical.” Despite this framing, Muslim CSOs are cooperating with state security agencies in counter-radicalization efforts but are doing so cognizant of the immense power the state exerts over them in such “partnerships.” CSOs are raising questions about the selective nature of security practice which views Muslims as dangerous and violent but fails to fully acknowledge their reality as victims of Islamophobic violence. CSOs are using anti-racism, anti-oppression, and rights-based frames to call out the discriminatory treatment of Muslims under national security. Originality/Value – The author’s study contributes to a community perspective in counterterrorism and counter-radicalization research that is dominated by analyses from “above.” By sharing the experiences of Canadian Muslim CSOs under counter-radicalization, the author illustrates the practice of “diffuse securitizing” and how it limits the work of civil society in liberal democracies.
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 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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».