MétaCan
Menu
Retour à la cohorte
Enregistrement W4312187094 · doi:10.3390/soc13010002

Racism as a Social Determinant of Health for Newcomers towards Disrupting the Acculturation Process

2022· article· en· W4312187094 sur OpenAlexaffabout
Jessica Naidu, Elizabeth Oddone Paolucci, Tanvir Chowdhury Turin

Notice bibliographique

RevueSocieties · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueMigration, Health and Trauma
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésRacismAcculturationPsychometrics of racismSociologyPrivilege (computing)Gender studiesInstitutional racismSocial psychologyPolitical scienceCriminologyEthnic groupPsychologyAnthropologyLaw

Résumé

récupéré en direct d'OpenAlex

Previous research has demonstrated that racism is a social determinant of health (SDOH), particularly for racialized minority newcomers residing in developed nations such as the United States, Canada, New Zealand, and European countries. This paper will focus on racism as a SDOH for racialized newcomers in these countries. Racism is defined as “an organized system of privilege and bias that systematically disadvantages a group of people perceived to belong to a specific race”. Racism can be cultural, institutional, or individual. Berry’s model of acculturation describes ways in which racialized newcomers respond to their post-migration experiences, resulting in one of several modes of acculturation; these are integration, assimilation, separation, and marginalization. After examining the definition and description of racism, we argue that racism impacts newcomers at the site of acculturation; specifically, the paths they choose, or are forced to take in response to their settlement experiences. We posit that these acculturation pathways are in part, strategies that refugees use to cope with post-displacement stress and trauma. To support acculturation, which is primarily dependent on reducing the effects of cultural, institutional, and individual racism, health policymakers and practitioners are urged to acknowledge racism as a SDOH and to work to reduce its impact.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0040,003
Communication savante0,0030,001
Science ouverte0,0000,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,066
Tête enseignante GPT0,433
Écart entre enseignants0,367 · 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'étudeQualitatif
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

Citations10
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSocietiesMême sujetMigration, Health and TraumaTravaux en français237 207