Stigma, Self-Hatred, and Stereotypes: Using a Critical Disability Studies Framework to Understand Learning Disabilities and Mental Illness
Notice bibliographique
Résumé
Critical disability studies (CDS) questions how knowledge is constructed to maintain systems that exclude and control those with disabilities. Without acknowledging the disability experience in conjunction to structural, systematic, and institutional inequalities, we are limiting ourselves to harmful binary thinking. Individuals with disabilities, such as learning disabilities (LDs), are constructed in society as passive, dependent, or failures. Those with mental “illness’” are also stigmatized in similar ways. This paper will ask: In what ways does using a CDS framework, make us think differently about the mental health of individuals with LDs? How can CDS help break the divide between LDs and individuals with a poor mental health and what does this perspective offer to mental health research? There is a clear parallel between the barriers faced by those with LDs and those with mental health hardships. CDS offers a new perspective to disability research by uncovering the social stigma and prejudices faced by those deemed “ill.” This type of research redefines how those with LDs and mental “illnesses” are categorized. CDS can help reduce stigma amongst LDs and mental health, and consequently those suffering from both. For those with LDs, who feel unheard and unworthy, and because of this, have a compromised mental health, a CDS framework can help remove self-blame and self-hatred. Ultimately uncovering how disability reflects a phenomenon to be deconstructed amongst social, political, and systematic barriers.
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 | 0,002 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».