Cultural Insensitivity within Canadian Post-Secondary Institutions: An Analysis of North Indian International Students Experiences
Notice bibliographique
Résumé
"Cultural Insensitivity within Canadian Post-Secondary Institutions: An Analysis of North Indian International Students Experiences -Gagneet Kaur (104873407), B.A (Honours) Criminology & Sociology & Dr Clayton Smith; Faculty of Education, University of Windsor In the recent times, Canada has seen an exponential rise in the number of international students enrolling in post-secondary institutions. As of 2018, over 300,000 foreign students were issued Canadian study permits, and more than half of them belonged to the Indian Subcontinent (Immigration, Refugees and Citizenship Canada, 2018). While this number continues to rise, concerns over racial insensitivity against foreign students continues to be a cause of concern. A majority of Canadian universities are not representative of Canada's growing multicultural population and adhere to a set of Eurocentric policies (Samuel & Burney, 2003). Despite a policy based adherence to equity, universities are not equipped to manage the needs of culturally diverse students, simply because they lack ‘cultural toolkit' to deal with diversity issues (Henry & Tator, 2009). A majority of Indians in Canada, belong to the North Indian state of Punjab, which has become the epicenter of Canadian immigration in India. Additionally, some North Indians tend to stand out because of their choice to wear a turban, thus increasing their likelihood of being racially profiled. Since university marks a crucial developmental phase in the life of a student, experiencing incidents of racial bias can have far reaching impacts on the mental well-being of victimised students. Through the purpose of my study, I want to conduct focus group discussions and interviews to understand the nuanced experiences of racial bias faced by North Indian international students on campus, and consequently highlight the need for cultural awareness initiatives for university personnel, that will help in making Canadian universities collaborative and inclusive spaces.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,015 | 0,005 |
| Communication savante | 0,006 | 0,001 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».