Reiterating Visibility: Canadian Librarians’ Experiences of Racial Microaggressions via Findings from a Minority Librarians Network Redux Survey
Notice bibliographique
Résumé
Based on the data from the Visible Minority Librarians of Canada 2021 Redux Survey, this study examines experiences of racial microaggressions among visible minority librarians in Canada. This research fills the gap in the library and information science (LIS) literature regarding racial microaggressions in librarianship in the Canadian context. Of the 148 respondents, 69% (n=102) experienced at least one stated racial microaggression. The result of a Kruskal-Wallis H test revealed a significant association between years of experience as a librarian and a librarian’s overall experiences with microaggressions. A post hoc test based on Bonferroni correction was run, which indicated that librarians with less than five years of work experience encountered microaggressions less frequently compared to those with 11–15 years of experience. For the ten stated types of racial microaggressions, the most frequently reported type was “I was told that people of all racial groups face the same barriers in employment or promotion,” and the least frequently reported type was “A colleague claimed that he/she felt threatened because of my race.” Fisher's exact tests were further performed to examine how the respondents differed in their experiences of each microaggression. The test results revealed that the librarians with different personal attributes (ethnicity, disability status, gender identity, language used) and employment attributes (librarian experience, management position, library type) had significantly different encounters with eight forms of microaggression. Professional library associations and libraries must strengthen education about racial microaggressions and offer support to visible minority librarians when they are confronted with microaggressive behaviours.
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 | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,010 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».