Demography of Censorship: Examining Correlations Between Community Demographics and Materials Challenges in Canadian Libraries
Notice bibliographique
Résumé
This study examines materials challenges in Canadian libraries, compiled by the Canadian Federation of Library Associations (CFLA), with the intention of identifying demographic trends in patron challenge behaviour. By cross-referencing the CFLA data with five demographic fields from the 2016 Canadian census of population (median age, city size, educational attainment level, median income, and political representation), the study aims to determine whether challenges of a certain nature are more likely to occur in communities with certain demographic profiles. The study identifies twenty-two challenge categories derived from user complaints and three ideological alignments of challenges based on the political ideology standards set by moral foundations theory. Though the available sample is too small to draw any definitive conclusions, some strong trends were apparent. Findings show that the most common challenge types, challenges to racist content and sexual content, are fairly consistent throughout demographic groupings, but notable correlations were found between demographic profiles and materials concerning LGBTQIA+ issues. Progressive-leaning communities were far more likely to challenge homophobic/transphobic materials while conservative-leaning communities challenged more LGBTQIA+-positive works. From an ideological standpoint, young communities tend to be the most progressive in their challenge behaviour, while communities with a low level of educational attainment tend to be the most conservative in their challenge behaviour.
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 | 0,007 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,023 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».