MétaCan
Menu
Retour à la cohorte
Enregistrement W3215897487 · doi:10.82308/14922

Resilient responses: coping with racial microaggressions

2018· article· en· W3215897487 sur OpenAlexaboutno aff
Sara Houshmand

Notice bibliographique

RevueeScholarship@McGill (McGill) · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueRacial and Ethnic Identity Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCoping (psychology)PsychologySocial psychologyClinical psychology

Résumé

récupéré en direct d'OpenAlex

Racial microaggressions are commonplace, brief, subtle denigrating messages targeted at people of colour because they belong to a racial minority group (Pierce, Carew, & Pierce-Gonzalez, 1978; Solórzano, Ceja, & Yosso, 2000; Sue, 2010; Sue, Capodilupo et al., 2007). Because of their subtle and nebulous nature, these incidents may require complex coping strategies (Lewis et al., 2013; Noh, Kaspar, & Wickrama, 2007; Pierce, 1995). In this dissertation, I examined responses among racialized university students and community members in Montreal, Canada. Research questions were as following: (a) how do individuals who experience racial microaggressions respond to or cope with racial microaggressions?; (b) what effects, if any, do intersecting social group identities (e.g., race, ethnicity, gender, and social class) have on individuals’ responses to racial microaggressions?This dissertation comprises two studies. In study one, I conducted focus groups with five groups of students (i.e., East Asian, South Asian, Black, and Arab Canadians and Aboriginal students; n = 32) at a predominantly White Canadian university. To analyze the data, I used the consensual qualitative research approach (CQR; Hill et al., 1997, 2005) that has been utilized often in microaggression research (e.g., Sue, Capodilupo et al., 2007, 2008). In study two, I conducted individual interviews with Black Canadian (n = 5) and Indigenous (n = 5) community members who pursued employment directly following secondary education. I utilized interpretative phenomenological analysis (IPA; Smith, Flowers, & Larkin, 2009), a complementary qualitative approach to augment my earlier investigation. Across both the student and community samples, findings demonstrated that participants used a range of collective, protective, and resistant strategies in response to experiences with racial microaggressions. At times, participants’ strategies differed based on intersecting social group identities. Response strategies convey three important features: (a) the influence of racial/ethnic identity in the use of resistance; (b) deliberate strategies of disengagement as a form of resistance; and, (c) participants’ use of humour to serve different functions depending on the context. Finally, I offered directions for future research, re-conceptualization of responses to racial microaggressions, and practice.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,005
Communication savante0,0030,002
Science ouverte0,0010,005
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,338
Écart entre enseignants0,297 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeScholarship@McGill (McGill)Même sujetRacial and Ethnic Identity ResearchTravaux en français237 207