Writing the 'Deep Story': A Comparative Case Study of the Rise of Nationalist Extremism in the United States and India
Notice bibliographique
Résumé
This paper examines the global resurgence of far-right nationalist extremism, focusing on the rise of authoritarianism in the United States and India. Based on the theoretical framework of White Christian nationalism developed by Gorski and Perry (2022), which builds on Hochschild’s concept of ‘deep story’ (2016), the present analysis demonstrates how aspiring authoritarians strategically mobilize exclusionary ideologies to consolidate power. The ‘deep story’ of White Christian nationalism in the United States under Donald Trump can (1) provide valuable insight into the rise of Hindutva in Modi's India and (2) shed light on the transnational nature of contemporary far-right nationalist ideologies. Central to the analysis is the identification of the building blocks of the deep story: religiousness without religiosity as a marker of ethno-traditional group boundaries; the deification of political figures; nostalgia for a mythical past greatness; and the justification of violence and exclusion as necessary for national preservation. These building blocks construct a narrative of grievance and existential threat in which the dominant group perceives loss of status and projects anxieties onto foreigners and foreignness. Ultimately, the deep story of nationalist extremism functions to secure the consent of the dominant group for the acceptance of authoritarian rule.
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 | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,024 | 0,017 |
| Communication savante | 0,009 | 0,005 |
| Science ouverte | 0,003 | 0,013 |
| Intégrité de la recherche | 0,005 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».