Gen Z Muslims, Social Contestation, and Digital Citizenship in Indonesia
Notice bibliographique
Résumé
This study aims to analyze the contestation, patterns, and forms of social movements among Gen Z Muslims in the era of digital citizenship. In this era, social movements are shaped by issue-based networks, and the key actors driving this transformation are Gen Z activists—particularly Muslim university students affiliated with Islamic student organizations. This article focuses on two main objectives: (1) to analyze the social contestation of Gen Z Muslim movements in the digital citizenship era and (2) to examine the patterns and forms of these movements in relation to their religious identity. This study employs a qualitative research method, with research subjects drawn from Islamic student organizations in Bandung and Pangkalpinang. Data collection techniques include: first, interviews, which were conducted to explore participants' perspectives on the ideology and activities of their movements; second, participatory observation, used to understand internal dynamics, patterns of interaction, and activism practices among Gen Z Muslims; and third, social media observation, utilized to analyze datasets from online platforms. The findings reveal two main categories of Gen Z Muslim social movements in the digital citizenship era: moderate and non-moderate. Moderate movements primarily focus their digital activism on issues of religious tolerance, inclusivity, interfaith dialogue, social justice, gender equality, and minority rights. In contrast, non-moderate movements center their activism on exclusive and conservative religious discourse, often using hashtags such as #Khilafah and #Hijrah as part of their outreach. These movements also tend to idolize figures advocating for religious purification and hijrah (religious migration). Furthermore, the patterns and forms of Gen Z Muslim social movements in the digital citizenship era are characterized by two key practices: volunteerism and crowdfunding, both of which serve as mechanisms for social engagement and mobilization.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».