Black Canadian Women, White Canadian Schools: Navigating Identity Within the Complexities of Blackness
Notice bibliographique
Résumé
This study focuses on the educational experiences and narratives of Black girls in the Greater Toronto Area (GTA) and is based on ten self-identified Black women who were interviewed over a four-month period, in addition to sharing my own schooling experiences. The literature review examines the ways is which today’s experiences of formal education, which were shared by the women, are shaped and circumscribed by various components of schooling. Overall, this study recounts the participants’ challenges and frustrations, coupled with their positive experiences in navigating the educational system in the GTA from elementary to high school. However, much more work needs to be done to ensure that formal education and learning are meaningful for Black girls and other systematically marginalized students in our Canadian school system. The thesis reveals the complexities associated with understandings and interpretations of identity and discusses Black women’s questions of identity as situated in Black Canadian feminist theory. My research question is: How did diverse self-identified Black women experience education in the Greater Toronto Area? This research is important because Black girls are not only made to feel invisible in schools, but they are also under researched. With the use of Black feminist thought, I used interviews while connecting my personal experiences to wider cultural understandings of Black women’s question of identity. This research found that the women participants were resilient but impacted due, perhaps, to their negative schooling experiences. While some of the findings support existing literature, the participants also recommended ways in which Canadian schools could be more relevant to Black female students. This work should encourage more Black girls and women of colour to share their stories, and for educators, school administrators, and policy makers to pay more attention. Keywords: anti-colonial, decolonization, schooling, blackness, black female education, black girls
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,076 | 0,023 |
| Communication savante | 0,010 | 0,003 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».