Talking about violent extremism: Experiences of Canadian secondary school teachers in four metropolitan areas
Notice bibliographique
Résumé
This study explores the perspectives and experiences of Canadian secondary school teachers around violent extremism through semi-structured interviews and focus group discussions with 30 (n=30) teachers from Montreal, Toronto, Calgary, and Vancouver. The findings reveal unanimous eagerness among participants to engage with controversial subjects, yet almost all of them exhibit discomfort in addressing violent extremism, primarily due to perceived deficiencies in their expertise and training in this area. Some teachers show reluctance to address these topics to avoid excluding or marginalizing specific student groups, notably Muslims. Interestingly, a minority of teachers suggest that white students are immune to radicalization. They also expose unconscious biases concerning radicalization among religious minority students, especially Muslims, reflecting dominant discourses around radicalization and Islam. Moreover, there exists dissent regarding the necessity of addressing radicalization in schools that seemingly lack youth radicalization, mirroring a reactive discourse in preventing/countering violent extremism (P/CVE). Alarmingly, some participants report Islamophobia among their colleagues, highlighting an urgent issue that needs attention. Drawing from these insights, the study advocates for comprehensive teacher training on violent extremism and emphasizes the importance of collaboration between schools, parents, and local education ministries. It also criticizes Canada’s National Strategy on Countering Radicalization to Violence for its shortcomings and calls for a more robust and inclusive approach to P/CVE. Ultimately, the study underscores the need to integrate an ethic of care into educational practices, fostering an inclusive environment where all students feel valued and supported.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,042 | 0,011 |
| Communication savante | 0,007 | 0,002 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,004 |
| 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 ».