MétaCan
Menu
Retour à la cohorte
Enregistrement W2074938891 · doi:10.1080/04419057.2007.9674511

Are we afraid of our selves? Self-narrative research in leisure studies

2007· article· en· W2074938891 sur OpenAlexaff
Audrey R. Giles, David J. Williams

Notice bibliographique

RevueWorld Leisure Journal · 2007
Typearticle
Langueen
DomainePsychology
ThématiqueRecreation, Leisure, Wilderness Management
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésAutoethnographyNarrativeReflexivityNarrative inquirySociologyLeisure studiesPersonal narrativeEpistemologyPsychologySocial psychologySocial scienceTourismPolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract During the past decade, leisure scholars have started becoming more comfortable with applying to their work newer approaches to knowledge and research methodologies, many of which are being utilized in other social sciences. Self-narrative research, or autoethnography, is a form of inquiry that raises questions regarding separations and interactions of personal and professional identities. While personal narrative research has been in use since the 1980s, we argue that it remains unfamiliar and/or personally and professionally threatening to many leisure scholars. This article builds from leisure scholars' recent discussions on the influence of poststructuralism, narrative inquiry, and the need for reflexive methodologies within leisure research. We extend this discussion one step further, highlighting the need for self-narrative research in leisure. We then outline the ensuing benefits and ethical ramifications of such research, which we believe is capable of making unique contributions to leisure studies.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,105
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,198
Tête enseignante GPT0,483
Écart entre enseignants0,285 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
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

Citations16
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Leisure JournalMême sujetRecreation, Leisure, Wilderness ManagementTravaux en français237 207