MétaCan
Menu
Retour à la cohorte
Enregistrement W7084186367

Intersectional Feminism, Racial Capitalism, and the COVID-19 Pandemic

2021· article· en· W7084186367 sur OpenAlexaboutno aff

Notice bibliographique

RevueeYLS (Yale Law School) · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Technological Innovation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSolidarityRacismNeoliberalism (international relations)NarrativeInequalityIndigenousCollective actionSocial movementSocial inequality
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

A common narrative during the COVID-19 pandemic correctly observed that lockdowns which stripped public interactions to the bare minimum exposed the economic and social fault lines of Canadian society. Since March 2020, women— particularly racialized women in jobs with low pay—have disproportionately borne the brunt of the pandemic’s negative economic impacts. The fact that racialized women face systemic economic inequality and marginalization in Canada is not new. It is the structural foundation of an economy and sex-segregated labour market rooted in racial capitalism. The pandemic merely made the disparities impossible to ignore. At the same time, a reckoning with the roots of structural inequality has become ever more pressing because, coincident with the pandemic, mass politicization and mobilization accelerated on a global scale in response to police killings of Black people, state violence against Indigenous land defenders, rising fascist movements, anti-Asian violence, and the climate emergency. Intertwined social solidarity movements have forged deeper connections in the heat of these collective traumas. And the pandemic-induced period of reflection and questioning brings urgency to widespread demands for deep social and economic transformation. These movements demand that we confront who the imagined “we” is in the mantra that “we're all in this together” and who benefits from that depoliticized narrative framing.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,373
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,051
Tête enseignante GPT0,257
Écart entre enseignants0,206 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeYLS (Yale Law School)Même sujetEconomic and Technological InnovationTravaux en français237 207