Identity and Islamophobia in twenty-first century British Muslim novels
Notice bibliographique
Résumé
This thesis examines the ways in which contemporary British Muslim novelists are exploring Muslim identity and depicting Islam in a context of heightened Islamophobia. The authors have been chosen for the ways in which they are complicating and re-shaping established literary forms and genre expectations, including the bildungsroman and ‘family marriage plot’, and reworking established issues and themes, including racism in Britain, family and friendship. The works have been selected for their engagement with British Muslim identity as represented and dramatised in the media and popular culture, and for how they intervene in contemporary debates about state multiculturalism and secular liberalism, not least how the role of religion is shaped differently in different diasporic contexts and how anti-Asian racism is fuelled by Islamophobia. In order of discussion, the primary texts are: Nadeem Aslam’s novel Maps for Lost Lovers (2004); Leila Aboulela’s The Kindness of Enemies (2015) and Robin Yassin-Kassab’s The Road from Damascus (2008); Samir Rahim’s Asghar and Zahra (2019) and Monica Ali’s Love Marriage (2022); Tariq Mehmood’s Song of Gulzarina (2016) and Nadim Safdar’s Akram’s War (2016); and The Study Circle by Haroun Khan (2018). My readings encompass how Muslim novelists are positioned in Britain by publishers and reviewers, the ‘burden of representation’ British writers who are Muslim are expected to carry, and the pervasive (neo- )orientalist discourse that continues to shape how Muslim characters are read, or risk being read. I consider how contemporary ‘framings’ of Muslims in Britain are filtered through government programmes like the Prevent strategy, and how the novelists I have foregrounded are mounting a critique to address as well as explore the deleterious effects of surveillance on Muslim communities, as well as delimiting representation and characterisation. The thesis explores how these contemporary British novelists are building complexity into representation of Britons who are often maligned.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».