What role do French society and its education system play in promoting violent radicalization processes?
Notice bibliographique
Résumé
Radicalization is a complicated phenomenon, which is caused by multiple factors, including poor housing, low education, and unemployment, according to a study by the French Institute of International Relations (Hecker, 2018; Macaluso, 2016). France has a high number of radicalized terrorists, most of whom are homegrown, often with strong cultural ties to former French colonial countries in North Africa (IFRI, 2018). This paper aims to illustrate how social exclusion and marginalization created and perpetuated by the inequalities in the French society and education system (Bourdieu, 1971; Croizet et al, 2019; Goodman 2019; Jetten et al., 2020; Vanten, 2016), may be contributing to the radicalization of many young French citizens. This push factor could be a key precondition for radicalization in many Western societies (Ghosh et al., 2016). While critiquing the French education system, this study insists that schools can and must create a sense of connection with their students and construct resilient and inclusive communities (da Silva, 2017, Ghosh et al., 2017; OECD, 2012). Finally, some pedagogical approaches, especially care in education, are suggested for educational institutions and school agents to effectively build a sense of belonging among young students that would enhance their resilience against radicalization.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,008 |
| Communication savante | 0,010 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,001 |
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 ».