Discrimination, Personal Discrimination, and Group Discrimination among Chinese \nCanadians/immigrants during the COVID-19 pandemic \n– results from an online cross-section survey
Notice bibliographique
Résumé
Background: Pre-existing racial discrimination has been exacerbated, particularly among \nChinese immigrants in Canada since 2020, during the outbreak of the COVID-19 pandemic. \nMethod: Data for this cross-section 2021 study were collected via an anonymous online survey \nin both English and Chinese, with 739 participants aged 16 or older of Chinese origin residing \nin Canada for at least six months. Voluntary participation was ensured, with informed consent \nobtained prior to questionnaire access. The study utilized descriptive statistics for \nsociodemographic and mental health variables, Chi-square analysis for pre- and duringpandemic \ncomparisons, correlation analyses for examining relationships among variables, and \nconfirmatory factor analysis (CFA) on outcome variables. Mediating effects of perceived group \ndiscrimination were tested using model analysis and Bootstrap estimation procedure in AMOS. \nResults: There was a significant increase in reported discrimination experiences, with over \nhalf of participants experiencing discrimination, a 16.67-fold increase since the pandemic's \nonset. Public places were the most common sites for discrimination incidents. Only 7% of \nvictims reported incidents to authorities, citing barriers such as lack of knowledge (30.96%), \nsafety concerns (28.60%), and language barriers (27.41%). Both personal and group \ndiscrimination predicted poorer mental health outcomes, with over 80% reporting strong \nnegative emotions, primarily anger (95.33%). Perceived group discrimination partially \nmediated the relationship between personal discrimination and negative emotions. Covariates \nrevealed that higher education and English proficiency were associated with lower perceived \ngroup discrimination, while employment was linked to higher perceived group discrimination. \nPerceived discrimination positively correlated with perceived group discrimination, and both \nwere associated with negative emotions. \nConclusion: The study's findings underscore a concerning trend of escalating and widespread \nanti-Asian discrimination in Canada. Chinese immigrants lack awareness of available antidiscrimination \nresources, hindering effective response to incidents. Over 80% of respondents \nexpress skepticism about imminent change. Those experiencing discrimination exhibit \ndeteriorating mental health and diminished optimism. Many attribute the surge in \ndiscrimination to COVID-19 and suggest ad hoc laws as a solution; however, establishing a \nreliable reporting system emerges as a top priority from our discussion.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».