The Virus and the Violence: Reflections on ‘Anti-Asian’ Hate and Racist Maskaphobia1
Notice bibliographique
Résumé
Since the beginning of the COVID-19 pandemic, we have witnessed a surge in overt and covert racist violence targeting East and Southeast Asian diasporic communities transnationally. This has taken a range of forms, from assaults on elders, to the shooting of Asian massage parlour workers, to maskaphobia – a term coined by Yinxuan Huang (Young, 2020) describing public assaults against masked Asians. The dominant framing of such events has been ‘hate crimes’, illustrated in the popular hashtag #StopAsianHate. This chapter analyses the reporting of ‘anti-Asian’ racism focusing in the Greater Toronto Area in conversation with international events and social media discourses. Weaving personal memories, storytelling, histories of anti-Asian racism on Canada-occupied Turtle Island, and academic/activist analysis, this chapter critically engages with maskaphobia and responses to ‘anti-Asian’ racism. Drawing on Haritaworn’s (2015) argument that ‘hate’ and ‘crime’ individualize and pathologize systemic violence, Thobani’s (2007) analysis of Canadian citizenship, and Lawrence and Dua’s (2005) articulation of settler of colour complicity, this chapter argues that carceral solutions and settler colonial nationalism inevitably empower white supremacist systems and centre settler colonial modes of belonging. Instead, Asian alignment and solidarity with movements for prison abolition and Indigenous decolonization are offered as alternative methods of seeking safety and collective liberation.
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 | 0,007 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».