#StopAsianHate: A Critical Discourse Analysis of Anti-Asian Racism During the COVID-19 Pandemic in Online Canadian News Media
Notice bibliographique
Résumé
In late January 2020, the first confirmed case of the COVID-19 virus was verified in Canada (Marchand-Senecal, Kozak, Mubareka, Salt, Gubbay, Eshaghi, Allen, Li, Bastien, Gilmour, Ozaldin & Leis, 2020). In early March 2020, the World Health Organization (WHO) officially declared the COVID-19 virus as a global pandemic at a media briefing (World Health Organization, 2020). The advent and evolution of the COVID-19 pandemic has created a culture of enhanced public health and safety measures. In addition, a dramatic increase in anti-Asian discrimination and racism due to the COVID-19 pandemic has also materialized in Canada (Statistics Canada, 2020). At an unprecedented time, the media has become a critical and powerful mechanism in order to remain informed about emerging events, including anti-Asian discrimination and racism in Canada. Therefore, the purpose of the study was to explore the differences and similarities between the discourses of anti-Asian racism during the COVID-19 pandemic in online Canadian news media. A critical discourse analysis of 30 news articles from Vancouver-based and national online news sources was conducted, which revealed several themes about the relationship between Asian Canadians, racism, and media amidst the COVID-19 pandemic. Department: Honours Sociology Faculty Mentor: Dr. Kalyani Thurairajah
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 | 0,008 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,029 | 0,018 |
| Communication savante | 0,014 | 0,006 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».