MétaCan
Menu
Retour à la cohorte
Enregistrement W4387704281 · doi:10.1080/13613324.2023.2268318

“She didn’t mean it that way”: theorizing gendered Islamophobia in academia

2023· article· en· W4387704281 sur OpenAlexaffabout
Amilah Baksh

Notice bibliographique

RevueRace Ethnicity and Education · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCritical Race Theory in Education
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésIslamophobiaRacismGender studiesSociologyRacializationIdentity (music)AutoethnographyFeminismAnti-racismReligious discriminationIntersectionalityWhite (mutation)Critical race theoryInstitutionWhite supremacyRace (biology)Political scienceSocial scienceLawAestheticsPolitics

Résumé

récupéré en direct d'OpenAlex

Islamophobia and anti-Muslim racism pose a unique experience, especially when one is readily identifiable as a Muslim through hijab, a head covering worn by some Muslim women. Although frequently conflated with racial identity, Muslim women are uniquely impacted by the intersection of race, gender, and religious identity. In this paper, I explore the intersection of race, gender, and religious identity in higher education through critical autoethnography. Utilizing the lenses of postcolonial feminism and critical whiteness studies, I examine my lived experiences as a visibly Muslim and racialized woman teaching at a predominantly white institution in Southern Ontario. Through this exploration, I discuss a pattern of racism and Islamophobia in the academy, and how the inadequacy of addressing incidents reinforces and reproduces racism and Islamophobia.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,094
Score d'incertitude au seuil0,491

Scores Codex et Gemma par catégorie

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

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 Opus0,069
Tête enseignante GPT0,410
Écart entre enseignants0,341 · 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 tête enseignante, 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

Citations3
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRace Ethnicity and EducationMême sujetCritical Race Theory in EducationTravaux en français237 207