MétaCan
Menu
Retour à la cohorte
Enregistrement W4382238786 · doi:10.24908/jcri.v10i1.15355

Brown Identities, Complicities, and Complexities: Towards Brown-Black Solidarities

2023· article· en· W4382238786 sur OpenAlexaffvenueabout
Vidya Shah, jeewan chanicka

Notice bibliographique

RevueJournal of Critical Race Inquiry · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCritical Race Theory in Education
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésRacializationWhite supremacySolidarityOppressionComplicitySociologyGender studiesDiasporaWhite (mutation)RacismEthnographyColonialismAnthropologyPolitical scienceRace (biology)LawPolitics

Résumé

récupéré en direct d'OpenAlex

Complicities and complexities in racialization simultaneously create possibilities and foreclose opportunities for cross-racial solidarities. In this auto-ethnographic paper, we share our learning and theorizing of Brown-Black solidarities since we filmed a webinar titled, “Brown Complicity in White Supremacy: Towards Solidarity for Black Lives” (SultyDee, 2020), one of several efforts towards Brown (South Asian)-Black solidarities in North America. We begin by situating ourselves in this conversation by troubling conceptions of “Brown” that flatten power asymmetries within the diaspora. We then theorize the inevitable complexities and complicities of the relational racialization of Brownness from anti-racist and anti-colonial framings and explore conceptions of Brown-Black solidarities. Finally, we draw on webinar feedback and our ongoing work in education and in communities in the Greater Toronto Area to offer a framework for strengthening Brown anti-racist orientations towards Brown-Black solidarities. This framework intends to examine intersections between white supremacy, anti-Black racism, caste oppression, and settler colonialism in a white settler state.

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)0,007
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0150,038
Communication savante0,0070,008
Science ouverte0,0010,010
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,100
Tête enseignante GPT0,440
Écart entre enseignants0,339 · 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'étudeThéorique ou conceptuel
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

Citations20
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Critical Race InquiryMême sujetCritical Race Theory in EducationTravaux en français237 207