Hollywood’s Bad Muslims: Misrepresentations and the Channeling of Racial Violence
Notice bibliographique
Résumé
The cinemas of Arab and Muslim societies encompass a substantial number of film genres produced locally or in the diaspora. Arab and Muslim filmmakers experiment with different cinematic narratives, styles, and hybrid forms: auteur, documentary, diasporic, migrant, Third Cinema, and transnational productions. Their richness, diverse thematic foci, creative stylistic characteristics, and ability to reach global audiences recently motivated film scholars and other academics in Europe and the United States to consider designating a category called “Muslim Cinema” and defining its contours. The influence of these rich cinemas in contesting Hollywood’s demonization of Muslims, the conflation of Arabs, Muslims, and Islam, and the proliferation of anti-Muslim racism in Western discourse, however, remains very limited. Therefore, this article argues that the idea of such a category, if one were to be created, should explore venues to address Hollywood’s evolving forms of racializing Muslims and their relationship with the current institutionalization of anti-Muslim racism in the United States. Through a brief survey of Hollywood’s contemporary productions about Muslims, this article analyzes the impact of moving images on representation, particularly the fossilized characterization of Muslims as evil, and identifies three areas in American cinema and political discourse that could belong to this category: the first is Hollywood’s uninterrupted flow of making essentializing and essentialized narratives that conflate Arabs, Muslims, and Islam, and normalizes violence against them; the second deals with the transition from Islamophobia to anti-Muslim racism and explains its sanctioning by the US government; the third addresses the morphing of Islam into a race.
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 ».