MétaCan
Menu
Retour à la cohorte
Enregistrement W4200493279 · doi:10.1177/03058298211059357

Challenging Institutional Racism in International Relations and Our Profession: Reflections, Experiences, and Strategies

2021· article· en· W4200493279 sur OpenAlexaff
Andrew Delatolla, Momin Rahman, Dibyesh Anand, Mary Caesar, Toni Haastrup, Nassef Manabilang Adiong, Swati Parashar, Jeremy Youde

Notice bibliographique

RevueMillennium Journal of International Studies · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender Diversity and Inequality
Établissements canadiensBalsillie School of International Affairs
Organismes subventionnairesnon disponible
Mots-clésBureaucracyInclusion (mineral)Diversity (politics)RacismVariety (cybernetics)Representation (politics)Institutional racismRace (biology)Public relationsSociologyPolitical scienceTokenismResistance (ecology)PoliticsGender studiesLaw

Résumé

récupéré en direct d'OpenAlex

Attempts to create a more inclusive discipline and profession have been commended by many and derided by some. While these attempts have pushed for change, particularly with regards to more equal representation of gender and race among faculty, policies aimed at creating a more inclusive environment are often tokenistic, administrative and bureaucratic, and fail to address structural and institutional practices and norms. Moreover, the administrative and bureaucratic policies put into place are generally targeted at a single categorical group, failing to take into account the manner in which identities are intersecting and overlapping. Equality, Diversity and Inclusion often gets driven by Human Resources and Marketing rather than owned by the wider university. This forum draws from a variety of contributions that focus on describing the lived realities of institutional racism, its intersections with other forms of discrimination, and strategies for change. In putting together this forum, we do not aim to create a checklist of practical steps. Instead, we hope to signpost and make visible the successes and failures of previous challenges and future possibilities that must be taken by both faculty and administrations.

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)0,025
score de la tête « metaresearch » (Gemma)0,018
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 enseignants0,056
Score d'incertitude au seuil0,131

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0250,018
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0560,047
Communication savante0,0360,018
Science ouverte0,0040,027
Intégrité de la recherche0,0110,020
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,161
Tête enseignante GPT0,417
Écart entre enseignants0,256 · 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

Citations10
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMillennium Journal of International StudiesMême sujetGender Diversity and InequalityTravaux en français237 207