‘I Don't Know Why I Feel So Bad Being Asian’: A Qualitative Inquiry of Anti‐Asian Racism From a Racial Trauma Perspective
Notice bibliographique
Résumé
ABSTRACT Despite the incorporation of multiculturalism into Canadian federal policies since the 1970s, whiteness continues to dominate societal norms, perpetuating the racialisation of people of colour. Racialised adolescents are particularly vulnerable to the harmful effects of racialisation and racism. Focusing on Asian Canadian youth, this study adopts a racial trauma perspective to explore their experiences growing up in Canada and the impacts of racism. A total of 36 Asian Canadian youth (aged 14–23) participated in a focus group. Data were analysed using reflexive thematic analysis. Participants reported experiences of alienation and being ‘othered’ during their upbringing. Anti‐Asian racism in Canada often appears in subtle, unacknowledged forms, affecting youth from an early age. These experiences erode self‐esteem and identity, leading some to internalise them as normal and inevitable. Some Asian youth suppress these experiences, gaslighting themselves into self‐blame or denying their existence altogether. Others cope by conforming to whiteness, erasing aspects of their Asian identities. This study highlights the ways in which racial trauma manifests among Asian Canadian youth growing up in a society deeply entrenched in a white racial order, as well as its enduring impacts on their well‐being and sense of self.
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 | 0,014 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,031 | 0,024 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».