Évolution des préjugés envers les personnes d'origine chinoise durant la COVID-19 : une étude longitudinale pancanadienne
Notice bibliographique
Résumé
Les recherches suggèrent que les préjugés envers les personnes d’origine chinoise ont augmenté au cours des premiers mois de la pandémie de la COVID-19. L’étude présentée dans ce mémoire se base sur un premier postulat, selon lequel l’évolution des préjugés n’est pas univoque pour tous les individus. Le second postulat de cette étude établit que le contexte pandémique suscite des mécanismes psychologiques qui peuvent favoriser mais aussi contrer les préjugés. Le premier objectif vise à identifier l’hétérogénéité dans les trajectoires de préjugés. Le deuxième objectif vise à déterminer quelles catégories sociodémographiques sont associées aux différents groupes de trajectoires de préjugés (âge, genre, province de résidence, affiliation politique). Le troisième objectif vise à déterminer si les participants assignés aux différents groupes de trajectoires de préjugés diffèrent selon la menace économique et le statut identitaire. Une étude longitudinale a été conduite d’avril à décembre 2020 auprès d’un échantillon adulte représentatif de la population canadienne en vertu de l’âge, du genre et de la province de résidence (N = 3617). Les résultats suggèrent des trajectoires élevées et stables de préjugés ainsi que des trajectoires faibles et instables de préjugés. Les participants appartenant aux trajectoires élevées et stables rapportent une plus grande affiliation politique « de droite » et s’identifient à des groupes plus locaux. Les participants appartenant aux trajectoires faibles et instables rapportent une plus grande affiliation politique « de gauche » et s’identifient de manière plus globale et inclusive. Les résultats sont mitigés concernant l’âge et non significatifs concernant le genre, la province de résidence et la menace économique. Les implications théoriques et pratiques sont discutées.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».