Capturing the Muslim experience with airport staff, security checkpoints and surveillance systems at Dublin airport.
Notice bibliographique
Résumé
Recent research has shown that the airport can be an unwelcoming and hostile place for Muslims (Blackwood et al., 2013; Bonino, 2015; Nagra & Maurutto, 2016; Selod, 2019). With the drastic increase in the implementation of security and surveillance measures at airports since the 9/11 attacks, studies have shown these measures can affect various populations differently (Blackwood et al., 2015; Nagra & Maurutto, 2016). While studies have examined the Muslim experience at airports in Scotland, Canada and America, no studies have investigated the Muslim experiences at Irish airports. To address the gap, this study set out to examine the encounters between Muslims (living in Ireland) and airport staff, security checkpoints and surveillance systems at Dublin airport. A digital self-completion survey provided quantitative data from 31 individuals. This survey asked participants to provide their views, opinions and encounters with security personnel, security checkpoints, monitoring technologies and profiling at Dublin airport. A thematic analysis was used to interpret the findings from the survey. The findings from this study show that participants generally reported having an overall positive experience at Dublin airport. However, some individuals recalled having a negative experience with additional screening procedures in particular at Dublin airport as participants described these practices as an embarrassing and uncomfortable experience. More than half of respondents (61.29%) also believed that profiling happens at airports. The impact of these results will be compared with existing current literature. This study highlights the importance of raising awareness to the issue in an Irish context as the Muslim community is growing in Ireland. The findings presented in this thesis will add to our understanding of the Muslim experience at airports in an Irish context. This study should, therefore, be of value to researchers wishing to gain further insight into the issue in Ireland.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».