Racialized knowledges: understanding the construction of the Muslim ‘terrorist’ in the policy process
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper highlights the mobilization of racialized administrative power and racial knowledge in counterterrorism policymaking. We apply Critical Discourse Analysis to Canadian parliamentary debates in two significant policy periods corresponding to acts considered ‘terrorism’: passage of Bill C-51 following acts of violence by Muslims, and Motion 103 (M-103) recognizing Islamophobia following the 2017 racially motivated mosque massacre (of Muslims). We show how the threat of ‘terrorism’ is constructed and the discursive strategies used to legitimize extant counterterrorism knowledge. Building on critical policy approaches and critical terrorism studies, we highlight 1) racialization of Muslims through the ‘terrorism’ discourse; 2) presentation of racialized counterterrorism as color-blind; and 3) reframing concerns about systemic Islamophobia to uphold the (racial) status quo. We show that regardless of political party and who commits acts deemed ‘terrorism’, state security institutions maintain the association of ‘terrorism’ with Muslims. Policymakers rely on white logic to depict state institutions as neutral, obscuring their inherent anti-Muslim orientation. Concerns about systemic Islamophobia are addressed through incremental reforms, keeping intact the racial knowledge underpinning these institutions. Our research suggests tackling race holistically in policy studies requires greater focus on institutions and structures that produce and disseminate racialized policy knowledge.
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.
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 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| 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 découle