Space, Time, and Reflexive Interviewing: Implications for Qualitative Research with Active, Incarcerated, and Former Criminal Offenders
Notice bibliographique
Résumé
Space and time are concepts familiar to physicists, philosophers, and social scientists; they are operationalized with varying degrees of specificity but are both heralded as important to contextualizing research and understanding individual, cultural, and historical differences in perception and the social construction of reality. Space can range from, at the macro level, geographic region, to at the micro level, the immediate physical surroundings of an individual or group of persons. Similarly, a conceptualization of time can range from era or epoch to the passing of seconds and minutes within a situational dynamic of human interaction. In this article we examine the microcosmic end of the space-time spectrum, specifically as it relates to doing qualitative interviews with current or former criminal offenders. Through a comparative discussion of interviews with incarcerated, recently released, and active offenders, we pose questions and offer insights regarding how interviewers and interviewees perceive physical space and the passage of time and, most importantly, how these perceptions relate to the interview process and resulting data. Notably, we suggest that interviewer reflexivity should take into account not only the relationship, dialogue, and discourse between interviewer and interviewee but also space and time as perceived and constructed by both parties. Finally, we offer several key strategies for incorporating these considerations into the interviewer toolkit.
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 | 0,297 | 0,259 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,034 | 0,071 |
| Communication savante | 0,021 | 0,030 |
| Science ouverte | 0,009 | 0,019 |
| Intégrité de la recherche | 0,007 | 0,009 |
| 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; 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 ».