Truth and reconciliation for whom? Transitional justice for Indigenous peoples in American psychology.
Notice bibliographique
Résumé
In October 2021, the American Psychological Association apologized to people of color in the United States for its role in systemic racism. Spurred by a national racial reckoning, Indigenous Peoples have been regularly incorporated into initiatives redressing America's legacy of racism. Although Indigenous Peoples have been racialized during the formation of the United States, this process is intertwined with colonization-the systematic dispossession and exploitation of Indigenous communities by Europeans. We first examine how the American Psychological Association (APA) has been complicit in colonialism by failing to oppose government policies that disenfranchise Indigenous communities, which it recently recognized in a separate apology to First Peoples in the United States in February 2023 (American Psychological Association, APA Indigenous Apology Work Group [APA IAWG], 2023). Second, we explore methods for APA to reconcile historical and contemporary wrongs inflicted on Indigenous Peoples through transitional justice, an approach to addressing human rights violations that seeks justice and opportunities for healing (United Nations, 2008). In particular, we consider the implications that Truth and Reconciliation Commissions have for Indigenous Peoples. Third, we provide recommendations for APA to repair relations with Indigenous Peoples in education, research, and practice. We specifically interrogate what possibilities for truth, reconciliation, and healing exist vis-à-vis transitional justice in psychology. We conclude with the potential that APA has to advance meaningful structural reforms while cautioning against superficial efforts towards reconciliation. (PsycInfo Database Record (c) 2024 APA, all rights reserved).
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».