After Pierce and Sue: A Revised Racial Microaggressions Taxonomy
Notice bibliographique
Résumé
Harvard psychiatrist Chester Pierce’s conception of “subtle and stunning” daily racial offenses, or microaggressions, remains salient even 50 years after it was introduced. Microaggressions were defined further by Sue and colleagues in 2007, and this construct has found growing utility as the deleterious effects of microaggressions on the health of people of color continues to mount. Many studies seek to frame microaggressions in terms of a taxonomic analysis of offender behavior to inform the assessment of and interventions for the reduction of racial microaggressions. This article proposes an expansion and refinement of Sue et al.’s taxonomy to better inform such efforts. We conducted a review of published articles that focused on qualitative and quantitative findings of microaggressions taxonomies ( N = 32). Sixteen categories of racial microaggressions were identified, largely consistent with the original taxonomy of Sue et al. but expanded in several notable ways. Building on our prior research, other researchers supported such new categories as tokenism, connecting via stereotypes, exoticization and eroticization, and avoidance and distancing. The least studied categories included the denial of individual racism from Sue et al., and newer categories included reverse-racism hostility, connecting via stereotypes, and environmental attacks. A unified language of microaggressions may improve understanding and measurement of this important construct.
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 | 0,018 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,013 | 0,012 |
| Études des sciences et des technologies | 0,007 | 0,015 |
| Communication savante | 0,008 | 0,019 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».