Notice bibliographique
Résumé
Abstract Indigenous methodologies in geography have recently been developed to decolonise Western dominated paradigms. It has been argued that research which does not benefit Indigenous communities should not be conducted. However, Indigenous methodologies are not taught in many post‐secondary institutions. Therefore, when they pursue Indigenous topics, many junior researchers are self‐taught in these methodologies. However, these methodologies cannot be defined simply and they are too diverse to be learnt in a short period. In Japan, Indigenous peoples are not widely recognised and research on contemporary Indigenous issues is limited. The concept of Indigenous methodologies is rarely discussed. Because of this, Japanese researchers rarely identify their research as adopting an Indigenous methodology. Indigenous researchers are thereby discouraged from pursuing Indigenous methodologies. Furthermore, a methodology or a thesis statement used by researchers to reflect Indigenous perspectives often gets little support from Indigenous peoples. My master's research on the Ainu mirrored this situation. While Indigenous methodologies remain difficult to learn, junior researchers should not be discouraged from this form of engagement. Practical suggestions are therefore necessary to encourage their use and application. Based on my experience, I suggest that researchers approach Indigenous communities from a learning perspective. This would encourage open‐mindedness and sensitivity. Researchers should also be prepared and willing to refine their research questions and to continue their literature searches after their fieldwork is completed. These strategies could limit misinterpretation and exploitation of Indigenous knowledges and peoples.
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 | 0,275 | 0,277 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,016 | 0,031 |
| Communication savante | 0,021 | 0,034 |
| Science ouverte | 0,011 | 0,020 |
| Intégrité de la recherche | 0,019 | 0,027 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,004 |
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 ».