Notice bibliographique
Résumé
Abstract Islam in North America is an incredibly diverse phenomenon with a long history and a range of different perspectives on what “American/Canadian Islam” is or should be. While the presence of Islam in the United States dates back to the transatlantic slave trade, Muslim identity in the region is often linked to an immigrant presence and became synonymous with a sense of violent foreignness after the 9/11 attacks. Mainstream Western media has played a fundamental role in the configuration of Islam as the ultimate cultural “other,” leaving Muslims who strongly identify as Muslim and American or Canadian in a precarious position. Representation and debates around Muslim identity have recently shifted to online platforms. Social media has not only impacted how Islam is practiced in the United States and Canada but has also influenced self-presentation, community building, and activism among Muslims across ethnicity, race, generation, and class. From Quranic websites and Muslim dating apps to blogs, Instagram influencers, and Snapchat fatwas, North American Islam has developed a burgeoning presence across the digital landscape. Furthermore, social media provides a central space through which national politics and policies play out, and Muslims in particular have faced challenges ranging from Islamophobia and religious persecution to digital surveillance and censorship. Such phenomena have impacted the online activities of Muslims and deeply inform the day-to-day lives of Muslim communities across the region. Through exploring the various ways in which Muslims in these minority contexts experience the growing interrelationship between their on- and offline lives, we approach the digital as a space where culture is continually produced, performed, and contested.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».