A Snapshot of Hate: Subjective Psychological Distress After a Hate Crime: An Exploratory Study on Victimization of Muslims in Canada
Notice bibliographique
Résumé
Across Canada, hate crimes, especially those motivated by race, ethnicity, or religion, are still prevalent. For example, in 2019, 46% of police-reported hate crimes were motivated by race or ethnicity, and 32% were motivated by religion (Moreau, 2021). In Canada, Muslims are the second most targeted religious group in terms of hate crimes. However, Canadian research on the nature of hate crime victimization amongst Muslims and the impacts on their health and well-being is limited. The present study sought to use exploratory survey data to assess the demographic characteristics of those experiencing both verbal and physical assaults based on their religion. Further, we assessed whether those that experienced these assaults also experienced psychological distress (such as feeling nervous or hopeless). Based on a sample of 230 participants (58% women), it was found that individuals that self-identified as visibly Muslim were 3 times more likely, and those living in Vancouver were 9 times more likely, to report having been physically assaulted. Furthermore, having been physically assaulted, being a woman, residing in Vancouver, or self-identifying as visibly Muslim were factors associated with higher levels of psychological distress. This study is the first of its kind exploring the effects of hate crimes on Muslims across Canada. The impacts of hate crime on the psychological well-being of this marginalized population, especially for Muslim women, suggests a need for more research on the psychological distress of these individuals
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 | 0,002 | 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 | 0,000 | 0,000 |
| 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 ».