Racism and ethnic discrimination among Indigenous Arctic populations: methods, data, definitions. A scoping review
Notice bibliographique
Résumé
OBJECTIVES: Racism and ethnic discrimination are global health issues, but the extent and effects on Indigenous Peoples in the Arctic region are still poorly understood. By investigating the methods, data sources, and definitions used in articles examining racism and ethnic discrimination among Indigenous peoples in the Arctic between 2008 and 2021 this review aims to create a solid foundation for future research. DESIGN: We conducted a search across multiple databases, including PubMed, PsycInfo, Web of Science, Scopus, and the Cochrane Review. Our search criteria included: Indigenous groups, racism or ethnic discrimination, and Arctic regions. After removing off-topic articles, two researchers reviewed the remaining articles against predefined eligibility criteria. RESULTS: The research field is expanding, but a significant portion of Arctic Indigenous peoples remains underrepresented. Predominant research methods include questionnaires, interviews, and case studies, often derived from large cross-sectional studies. Self-reported responses to questions about ethnic discrimination and racism are the primary research method, while some articles involve researchers subjectively evaluating data to determine what qualifies as racism or ethnic discrimination. Reaching a consensus on the definitions of ethnic discrimination and racism is challenging, with definitions ranging from negative, unfair, or differential treatment to broader, structural perspectives. Approximately half of the articles lack clear definitions. CONCLUSION: There is a notable difference in terminology, where racism as a term is more used in Canada/US while, ethnic discrimination is more predominant in the Nordic countries. Despite these differences, the scales used to measure racism or ethnic discrimination show significant similarities. A large part of the investigated articles emphasize interpersonal discrimination. An emerging perspective after 2016 views racism/ethnic discrimination as something that produces inequalities between racial or ethnic groups and upholds or creates systems of privilege and oppression. Research consistently highlights the importance of considering local contexts of racism, ethnic discrimination and oppression.
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 | 0,009 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».