Exploring Islamophobia and Anti-Muslim Racism in Canada and the USA: A Comprehensive Scoping Review
Notice bibliographique
Résumé
Hate crimes, driven by bias against race, religion or identity, have increasingly targeted Muslims in Canada and the United States. However, despite growing literature, research remains fragmented, often focusing on specific contexts such as racial bias, media influence or political rhetoric. This scoping review synthesizes the existing literature on Islamophobia and anti-Muslim racism in Canada and the United States, focusing on its prevalence, characteristics and contributing factors, aiming to inform policies and strategies to combat their impacts. Using Arksey and O'Malley’s methodological framework and PRISMA-ScR guidelines, two online databases were searched for articles published in English from 1995 to 2023. The search identified 31 articles to be included in the research. The analysis highlighted four major themes in the literature: politically-driven anti-Muslim hate, media-driven anti-Muslim hate, gendered hate crimes against Muslims, and online hate crimes against Muslims. The findings illustrate how certain politically charged rhetoric and policies (e.g., Canada’s Bill 21) normalize hostility toward Muslims and intensify public prejudice. Media portrayals that frame Muslims as violent reinforce negative stereotypes, further fueling discrimination. Gender-based violence disproportionately affects visibly Muslim women, as attire like the hijab makes them identifiable targets in public spaces. Online hate crimes, facilitated by the anonymity of digital platforms, continue to grow in both frequency and impact. These findings indicate an urgent need for more inclusive public policy initiatives, targeted educational efforts, and ongoing research to address the various forms of anti-Muslim hate. Further research including diverse perspectives and non-English literature will contribute to a deeper understanding of the problem.
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 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,032 | 0,042 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,007 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».