Racialized knowledges: understanding the construction of the Muslim ‘terrorist’ in the policy process
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.
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 | 0,019 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,029 | 0,111 |
| Communication savante | 0,019 | 0,013 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,005 | 0,006 |
| 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 ».