Notice bibliographique
Résumé
Abstract Across the West, there has been a resurgence of ethnic nationalism, populism, and anti-immigrant sentiment—a phenomenon that many commentators have called the “new nationalism.” This book seeks to understand why the bastions of liberalism are proving to be fertile ground for a decidedly illiberal ideology. To do so, it examines three of the most successful exemplars of the new nationalism: Donald Trump in the US, Marine Le Pen in France, and Brexit in the UK. To understand the success of these new nationalists, it looks at the role of white majorities, their cultures, and their histories. Through a careful analysis of the social media campaigns of Trump, Le Pen, and the Brexit campaigners, the book shows how today’s new nationalists are cultivating support from white majorities by drawing from long-standing myths and symbols to construct an image of the nation as an ethnic community. This multidisciplinary approach—combining elements of political science, sociology, history, and communication and media studies—shows how leaders today are updating the historical foundations of ethnic nationalism for the digital age. This analysis helps us see that the success of Trump, Le Pen, and Brexit are only puzzling if we accept the myth that America, France, and Britain are liberal, civic nations. As the book demonstrates, each of these political communities has long been defined by a tradition of ethnic nationalism that continues to shape politics today. In short, the new nationalism is not so new.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».