Understanding aggression and microaggressions by and against people of colour
Notice bibliographique
Résumé
Abstract Efforts to understand racial microaggressions have focused on the impact on targets, but few studies have examined the motivations and characteristics of offenders, and none has examined microaggressions committed by members of racialized groups. The purpose of this study is to determine if racial microaggressions should be conceptualized as a form of aggression when committed by racialized individuals by examining the relationship between propensity to commit microaggressions and aggressive tendencies to help inform interventions. This nationwide survey recruited 356 Asian, Black and Hispanic American adults. Participants completed measures of likelihood of committing anti-Black microaggressions, aggression, negative affect, and ethnic identity. There was a significant negative correlation between ratings by diversity experts of microaggressive interactions being racist and participants’ likelihood of engaging in those same interactions. For each ethnoracial group, likelihood of committing anti-Black microaggressions was significantly positively correlated with all measures of aggression examined. The correlation between microaggressions and aggression was strongest for non-White Hispanic participants and weakest among Asian participants. A linear regression showed that aggression uniquely predicted microaggression likelihood, after controlling for respective co-variates within groups. Among non-White Hispanic participants, there was a significant positive correlation between negative affect and propensity to commit microaggressions, but this association disappeared in the regression analysis after accounting for aggression. A positive ethnic identity was not correlated with microaggression likelihood among Black participants. Findings indicate that microaggressions represent aggression on the part of offenders and constitute a form of behaviour that is generally socially unacceptable. Implications and cognitive behavioural treatment approaches are discussed. Key learning aims (1) People of colour generally recognize that racial microaggressions are unacceptable. (2) People of colour may commit microaggressions against other people of colour. (3) Anti-Black microaggressions are correlated to aggression in perpetrators. (4) Microaggressions are not solely attributable to negative affect or low ethnic identity. (5) Therapists should address microaggressions, even when committed by people of colour.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».