Troubling Objectivity: The Promises and Pitfalls of Training Haitian Clinicians in Qualitative Research Methods
Notice bibliographique
Résumé
Building research capacity is a central component of many contemporary global health programs and partnerships. While medical anthropologists have been conducting qualitative research in resource-poor settings for decades, they are increasingly called on to train "local" clinicians, researchers, and students in qualitative research methods. In this article, I describe the process of teaching introductory courses in qualitative research methods to Haitian clinicians, hospital staff, and medical students, who rarely encounter qualitative research in their training or practice. These trainings allow participants to identify and begin to address challenges related to health services delivery, quality of care, and provider-patient relations. However, they also run the risk of perpetuating colonial legacies of objectification and reinforcing hierarchies of knowledge and knowledge production. As these trainings increase in number and scope, they offer the opportunity to reflect critically on new forms of transnational interventions that aim to reduce health disparities.
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 | 0,830 | 0,769 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,005 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,008 | 0,005 |
| Études des sciences et des technologies | 0,024 | 0,163 |
| Communication savante | 0,027 | 0,050 |
| Science ouverte | 0,011 | 0,037 |
| Intégrité de la recherche | 0,017 | 0,039 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».