When those fleeing the war are blue-eyed and blond: The effects of message content and social identity on blatant dehumanization in four nations
Notice bibliographique
Résumé
Varying behaviours and attitudes towards those who experience the same devastating event are increasingly becoming the focus of criticism. Open expressions of these distinctions based on group membership, such as Kelly Cobiella's statement on NBC about refugees who fled Russia's invasion of Ukraine, " These are not refugees from Syria; these are refugees from neighbouring Ukraine ", have raised the question of the social psychological antecedents of these varying attitudes. This research examines how refugees' social identity (ingroup vs. outgroup) and the given reason for their fleeing from a regional war (fear vs. human rights violations) affect the blatant dehumanization of refugees by receiving country communities in four different countries ( N total = 1274). In Study 1, we found that Turks in Türkiye showed higher dehumanization toward Syrian refugees (outgroup members compared to Turkmen refugees) and toward those portrayed as fleeing the war due to fear (vs. human rights violations). Study 2, which focused on Germans' attitudes toward Ukrainian and Afghan refugees, showed that dehumanization was negatively associated with the perception of ingroup similarity. In Study 3, with a Spanish sample, we found that ethnic outgroup refugees (Syrians) were more dehumanized than ethnic ingroup refugees (Ukrainians). Similarly, Study 4, which sampled British participants and focused on the same ingroup and outgroup, found that ethnic outgroup refugees were more dehumanized than ethnic ingroup refugees. We discuss the consisted findings in four countries that there is more dehumanization towards members of groups that are less similar to participants from the perspective of the social identity approach.
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 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».