Notice bibliographique
Résumé
Microaggressions—small stereotypical slights that can accumulate into serious damage when repeated—capture a common experience of marginalized groups, yet skeptics raise significant worries about how to recognize and respond to them. Are microaggressions a unified type or a hodgepodge of discrete examples? Can perpetrators be blamed, especially if their microaggressions are unintentional and only become harmful when repeated by other agents? My dissertation engages with both these debates: it presents an account that unifies different types of microaggressions and demonstrates that blame is warranted. First, I clarify what’s aggressive and micro about microaggressions by positioning microaggressions and hate speech on a spectrum of escalating linguistic violence. I specify the similarities and differences between racial microaggressions and racist hate speech by building upon the work of legal critical race theorists Richard Delgado and Mari Matsuda. I then offer a new taxonomy of microaggressions. Psychologist Derald Wing Sue theorized two types of microaggression, microinsult and microinvalidation, but failed to clearly explain the distinction between them. I offer a new way to draw this boundary: microinsults perpetuate constrictive stereotypes, while microinvalidations risk reigniting dangerous associations that have in the past been used to justify violence. Having answered the descriptive challenges, I turn to normative questions. First, I counter the growing trend of comparing microaggressions to collective harm problems, like climate change. While I agree that microaggressions contribute to collective harm, I demonstrate that microaggressions are also individually wrongful, and thus collective harm models do not fully capture moral responsibility for microaggressions. Second, I introduce my own account of moral responsibility for microaggressions, based on concepts drawn from tort law. Just as I can object to incursions onto my property, so too can I object to microinsults that threaten my mental capacities, and just as I can object when I am harmed because a business failed to take sufficient safety precautions, I can object to perpetrators of microinvalidations who failed to foresee the harm their careless words could cause. These comparisons to tort law help us to capture the relational wrong committed by microaggressors, and also points us towards the appropriate remedy: apology.
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 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,006 | 0,041 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,005 |
| 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 ».