MétaCan
Menu
Retour à la cohorte
Enregistrement W4280634533 · doi:10.1177/00207020221097991

Future Responses to Managing Muslim Ethnic Minorities in China: Lessons Learned from Global Approaches to Improving Inter-Ethnic Relations

2022· article· en· W4280634533 sur OpenAlexafffund
Reza Hasmath

Notice bibliographique

RevueInternational Journal Canada s Journal of Global Policy Analysis · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueChina's Ethnic Minorities and Relations
Établissements canadiensUniversity of Alberta
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésEthnic groupFactoringChinaUnrestState (computer science)Political sciencePrejudice (legal term)Development economicsSocioeconomic statusSociologyGender studiesLawPoliticsEconomics

Résumé

récupéré en direct d'OpenAlex

Current policies to manage ethnic minority unrest in Xinjiang are not working, and do not address the core root causes behind ethnic tensions. Drawing upon lessons learned from global approaches to improving inter-ethnic relations, and factoring in China's institutional behaviour and norms, this essay looks at policy responses that could be entertained by the state to improve the conditions of ethnic minorities in Xinjiang. It suggests that in the short-term (under a year) the state could be more responsible in using the big data it collects for targeted surveillance, in tandem with a community engagement approach. In the medium-term (one to three years), the state could employ practices to reduce ethnic prejudice by encouraging increased meaningful intergroup contact, and promoting a positive media portrayal of ethnic minorities. In the long-term (three years plus), improving the relative socioeconomic ethnic inequalities is paramount.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,537
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,087
Tête enseignante GPT0,366
Écart entre enseignants0,278 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations16
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal Canada s Journal of Global Policy AnalysisMême sujetChina's Ethnic Minorities and RelationsTravaux en français237 207