MétaCan
Menu
Retour à la cohorte
Enregistrement W1892277491 · doi:10.29173/cjs21329

Erasing the Social from Social Science: The Intellectual Costs of Boundary-Work and the Canadian Institute of Health Research

2014· article· en· W1892277491 sur OpenAlexafffundvenueabout
Katelin Albert

Notice bibliographique

RevueThe Canadian Journal of Sociology · 2014
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueInterdisciplinary Research and Collaboration
Établissements canadiensUniversity of Toronto
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaCanadian Institutes of Health Research
Mots-clésBoundary-workAgency (philosophy)SociologyWork (physics)Health scienceSocial researchBoundary (topology)Social sciencePublic relationsPolitical scienceMedical educationMedicineEngineering

Résumé

récupéré en direct d'OpenAlex

In 2009, Canadian social science research funding underwent a transition. Social science health-research was shifted from the Social Science and Humanities Research Council (SSHRC) to the Canadian Institute of Health Research (CIHR), an agency previously dominated by natural and medical science. This paper examines the role of health-research funding structures in legitimizing and/or delimiting what counts as ‘good’ social science health research. Engaging Gieryn’s (1983) notion of ‘boundary-work’ and interviews with qualitative social science graduate students, it investigates how applicants developed proposals for CIHR. Findings show that despite claiming to be interdisciplinary, the practical mechanisms through which CIHR funding is distributed reinforce rigid boundaries of what counts as legitimate health research. These boundaries are reinforced by applicants who felt pressure to prioritize what they perceived was what funders wanted (accommodating natural-science research culture), resulting in erased, elided, and disguised social science theories and methods common for ‘good social science.’

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,116
score de la tête « metaresearch » (Gemma)0,159
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Incitatifs · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,884
Score d'incertitude au seuil0,942

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1160,159
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0060,007
Études des sciences et des technologies0,0510,190
Communication savante0,0300,018
Science ouverte0,0050,034
Intégrité de la recherche0,0110,017
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,217
Tête enseignante GPT0,478
Écart entre enseignants0,261 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeQualitatif
DomaineIncitatifs
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2014
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of SociologyMême sujetInterdisciplinary Research and CollaborationTravaux en français237 207