MétaCan
Menu
Retour à la cohorte
Enregistrement W4255135812 · doi:10.1177/1468796819840722

Deschooling multiculturalism

2019· article· en· W4255135812 sur OpenAlexaff
Will Kymlicka

Notice bibliographique

RevueEthnicities · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePolitical Philosophy and Ethics
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésImpartialityNationalismNormativeMulticulturalismArgument (complex analysis)LiberalismCitizenshipLawSociologyBlindnessLaw and economicsCommunitarianismPolitical scienceMedicinePolitics

Résumé

récupéré en direct d'OpenAlex

In recent work, Geoffrey Brahm Levey has argued that we can distinguish various schools of multiculturalism on the basis of their methodology (in particular, how they relate theory to practice), and their substantive normative commitments (in particular, their normative commitments regarding liberalism and nationalism). In this article, I offer some reservations about Levey’s analysis. I suggest instead that the various authors Levey discusses in fact share a surprisingly similar diagnosis and remedy. They all seek to expose the selectivity in liberals’ self-understanding of core liberal concepts such as impartiality, colour-blindness, equality, anti-discrimination, secularism, citizenship, civic nationalism, or constitutional patriotism. This selectivity operates in a way that impugns minority claims as always already sectarian, partial and exceptional, while rendering majority claims as always already universal, impartial, and normal. And these authors also broadly agree on the proper remedy to this bias, which is not to reject these core liberal values, but to reinterpret them in a more even-handed way. I offer several examples of how this shared mode of argument is found across the different authors that Levey identifies, and how Levey's attempt to put authors into distinct schools is potentially distorting.

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)0,005
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,034
Communication savante0,0050,005
Science ouverte0,0010,009
Intégrité de la recherche0,0020,005
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 Opus0,065
Tête enseignante GPT0,355
Écart entre enseignants0,290 · 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'étudeThéorique ou conceptuel
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

Citations30
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEthnicitiesMême sujetPolitical Philosophy and EthicsTravaux en français237 207