Who Gets to Be “Canadian”? How Race Has Operated in Keeping Canada White
Notice bibliographique
Résumé
“ Where are you from?” is often a question that is asked of some Canadians – typically, Canadians for whom skin colour, race, accent, language (other than English and French), name (last, first and nick-name), religion, place of residence, “appearance,” and the organizations or clubs to which they belong, play a role in why they are being asked the question in the first place. But why are “ assumed non-accented ‘non-visible’ Canadians not asked this question? And when individuals – based on identities by which they are read as “not from Canada” – answer the question with “Canadian,” why would they get a follow-up question: “Where are your parents from?”;and/ or “Where are you really from?” In taking up this question, I discuss the treatment, settlement and experiences of Black/African, Chinese, and South Asian Canadians in terms of how Canadian laws, policies, and practices have operated to keep them from entering the country, and in turn shaped their life conditions once here. With reference to how, building on colonialism, systemic racism structures the conditions racialized people encounter daily, I go on to discuss the ways in which the history of populating Canada accounts for racialized peoples' experiences with anti-Indigenous, anti-Black, and anti-Asian racisms in living on Turtle Island.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».