Transculturality, Anti‐Asian Racism and Student Mobility: A Case Study of Chinese International Student Experiences during the COVID‐19 Pandemic<sup>1</sup>
Notice bibliographique
Résumé
The breakout and spread of the SARS‐COV‐2/COVID‐19 virus in early 2020 caused a drastic increase in blatant racism and microaggressions against Asians/people of Asian descent. The rise of anti‐Asian racism can be viewed as a repeat of a century‐long narrative of Yellow Peril against Asian newcomers in western societies. While some reports/studies explained the phenomenon with the hegemony of race relations, it is imperative to examine the experiences of anti‐Asian racism in the context of the fast‐changing geopolitical economy and transcultural relations. Using the conceptual frameworks of Intellectual Migration and transculturalism, this study examines how the rise of anti‐Asian racism during the COVID‐19 pandemic affected Chinese international students in Nova Scotia and if their experience of racialization was critical enough to change their post‐graduation plan of staying in Canada or not. In order to provide an overview of international student experiences in Nova Scotia and to assess the significance of ethnicity and racism as factors in student mobility, we analyzed the data from two research projects. First, survey and individual interview data from the IM (Intellectual Migration) Halifax project provided detailed insights on Chinese international students' study and living experiences during the pandemic and their post‐graduation plans. Second, survey and focus group data from the NSIS (Nova Scotia International Students) project allowed a comparison of pandemic experiences between Chinese and other international students in the province of Nova Scotia. This case study aimed to examine the experiences of racialization among Chinese international students in Nova Scotia and assess the extent to which their post‐graduation mobility is shaped by racialization.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,022 | 0,008 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».