Approaching <i>Etuaptmumk</i> – introducing a consensus-based mixed method for health services research
Notice bibliographique
Résumé
With the recognized need for health systems' improvements in the circumpolar and indigenous context, there has been a call to expand the research agenda across all sectors influencing wellness and to recognize academic and indigenous knowledge through the research process. Despite being recognized as a distinct body of knowledge in international forums and across indigenous groups, examples of methods and theories based on indigenous knowledge are not well documented in academic texts or peer-reviewed literature on health systems. This paper describes the use of a consensus-based, mixed method with indigenous knowledge by an experienced group of researchers and indigenous knowledge holders who collaborated on a study that explored indigenous values underlying health systems stewardship. The method is built on the principles of Etuaptmumk or two-eyed seeing, which aim to respond to and resolve the inherent conflicts between indigenous ways of knowing and the scientific inquiry that informs the evidence base in health care. Mixed methods' frameworks appear to provide a framing suitable for research questions that require data from indigenous knowledge sources and western knowledge. The nominal consensus method, as a western paradigm, was found to be responsive to embedding of indigenous knowledge and allowed space to express multiple perspectives and reach consensus on the question at hand. Further utilization and critical evaluation of this mixed methodology with indigenous knowledge are required.
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 | 0,235 | 0,184 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,004 | 0,009 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,005 | 0,012 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».