Notice bibliographique
Résumé
The Blurred Lines of Racism is a multimedia website focusing on an issue that is both polarizing and highly misunderstood. Although Canada is seen as being very tolerant, hate crimes here rose sharply in 2017–up 47% over the previous year. Our First Nations’ communities face serious issues with water quality and access to care, and multiple police forces have been censured for racist policies.\nThis project examines the psychology of racism and how racism is institutionalized in our health care, judicial, and education systems. It identifies where racism comes from, where it still lives, and sheds light on debates surrounding flashpoints such as the use of the “N” word, hijabs, Islamaphobia, Holocaust denial, white privilege, hi-tech racism, and cultural appropriation. As Canada is closely tied to the U.S. by location, media systems, and some aspects of culture, we also touch on issues south of our border.\nData housed within the site come from multiple sources and modes of delivery, including on-camera interviews with subject experts, people who have faced racial discrimination/bias, and even personal stories from students who developed the site; for example, in a short podcast, our project coordinator shares how she was told by relatives she wasn’t as “pretty” as her sisters because her skin was too dark. We also use graphics to better explain statistics, unpack and link to a variety of academic and journalistic articles and videos related to racism, and use social media comments to capture current discourse.\nThe goal of the project was not to give concrete answers to some really complicated questions, but to help people understand what it feels like when you are the person who’s the target of racist behaviour and how racist behaviour emerges. We see it as an important resource to both shed light on the full impact of racism and to provide access to ideas on how to effect positive change.
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 | 0,010 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,004 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,516 | 0,234 |
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 ».