Sociological Dimensions of Justice: Analyzing Demographic Disparities in the Aftermath of the Capitol Insurrection
Notice bibliographique
Résumé
Abstract Purpose – This chapter explores the socio-political and cultural factors contributing to the January 6th Capitol insurrection, with particular focus on the demographic profiles of the participants and the role of former President Donald Trump’s rhetoric. The research also investigates how social media platforms facilitated the dissemination of misinformation, analyzing these elements through the lens of Bourdieu’s concept of habitus. Methodology/approach – The study employs quantitative analysis of a data set comprising over 1,200 individuals charged in connection with the insurrection. Demographic and geographic data were analyzed to uncover patterns in participant profiles and legal outcomes. Findings – The findings indicate that the insurrectionists were primarily mid-life adults motivated by socio-economic grievances and driven by disinformation. Trump’s rhetoric played a crucial role in legitimizing their actions. Geographic analysis shows that conservative states contributed a disproportionate number of participants, with harsher sentencing outcomes observed in these regions. Additionally, gender dynamics in sentencing reveal that women were more likely to plead guilty and receive probation. Originality/value – This study offers a novel integration of Bourdieu’s habitus theory with demographic and geographic data to explain how socio-cultural factors, political rhetoric, and social media misinformation contributed to the January 6th insurrection. The research provides valuable insights into domestic extremism and suggests the need for regulating online platforms and holding political figures accountable for inciting violence.
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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».