From Activism to Action: An Autoethnography of the Emergence and Impact of an Anti-Black Racism Task Force in a Canadian University
Notice bibliographique
Résumé
In the summer of 2020, George Floyd’s murder sparked a wave of protests against police violence propelling individuals and institutions to confront their roles in perpetuating anti-Black racism. This activism led to the formation of specialized task forces at universities across Canada and the United States, tasked with reviewing institutional policies, identifying actionable steps and making recommendations to dismantle and eradicate anti-Black racism. Despite initial momentum, much of the work of task forces remains undocumented or confined to institutional reports. Responding to the need for transparency and accountability, this article examines the emergence and progress of an anti-Black racism task force at a midwestern Canadian university. Using autoethnography, the authors document the experiences and acts of resistance by Black, racialized, and white members of the anti-Black racism task force to create a public record of its progress over the past four years. The authors explore the Anti-Black Racism Task Force’s principles, processes, membership, and action plan, highlighting the successes, challenges and lessons learned in developing a sustainable advocacy strategy that challenges platitudes and performativity. We advance critical race theory as an analytic framework to examine and confront institutional and systemic racism and use counter-narratives to disrupt the status quo.
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 | 0,008 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,042 | 0,035 |
| Communication savante | 0,008 | 0,005 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,004 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».