MétaCan
Menu
Retour à la cohorte
Enregistrement W4205675390 · doi:10.1186/s41018-021-00112-9

The racialization of expertise and professional non-equivalence in the humanitarian workplace

2022· article· en· W4205675390 sur OpenAlexafffund
Junru Bian

Notice bibliographique

RevueJournal of International Humanitarian Action · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender Diversity and Inequality
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesBishop's UniversityFonds de Recherche du Québec-Société et CultureMcGill UniversityUniversity of Ottawa
Mots-clésRacializationEquivalence (formal languages)Political scienceSociologySocial psychologyPsychologyRace (biology)Gender studiesMathematics

Résumé

récupéré en direct d'OpenAlex

This paper aims to explore the ways which expertise is covertly racialized in the contemporary humanitarian aid sector. While there are considerable discussions on the expat-local divide among aid professionals, such dichotomization is still inherently nationality-based, which may be an over-simplified explanation of the group dimensions within aid organizations. This study seeks to uncover that professional categorizations of "expatriate" and "local" are not race-neutral and, instead, colorblind. Organizations within the contemporary humanitarian aid apparatus have come to appeal to what Michael Omi and Howard Winant would characterize as a new racial discourse-one that does not require explicit references to race in order to be perpetuated, as racial subordination has been reconfigured to rely on implicit references to race woven within the everyday social fabrics of the humanitarian profession. The research suggests that embedded under the contemporary professional structure of the liberal humanitarian space is a covert power hierarchy fueled by perceptions of expertise and competency along racial lines-particularly around one's whiteness.

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)0,006
score de la tête « metaresearch » (Gemma)0,014
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 enseignants0,011
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0100,025
Communication savante0,0050,004
Science ouverte0,0010,011
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,091
Tête enseignante GPT0,354
Écart entre enseignants0,263 · 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

Citations46
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of International Humanitarian ActionMême sujetGender Diversity and InequalityTravaux en français237 207