MétaCan
Menu
Retour à la cohorte
Enregistrement W2108368184 · doi:10.1177/1468794115569561

Men can change: transformation, agency, ethics and closure during critical dialogue in interviews

2015· article· en· W2108368184 sur OpenAlexaffabout
Matthew S. Johnston

Notice bibliographique

RevueQualitative Research · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueQualitative Research Methods and Ethics
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésEmpathyCompassionCONTESTAgency (philosophy)PsychologyDistancingSocial psychologyClosure (psychology)FriendshipCoercion (linguistics)SociologyMedicinePolitical scienceSocial scienceLaw

Résumé

récupéré en direct d'OpenAlex

Some male interviewees encounter difficulties when they try to express their emotions and overcome anti-feminist positions that transform the research setting into places where hyper-masculinities are reproduced. This research finds that critical dialogue is a persuasive tool interviewers can employ to challenge their participants to empathize with perspectives that contest and confront gendered violence, institutional coercion, and misogyny. Drawing on eight interviews I conducted with male security officers (all former colleagues of the author) who engaged in healthcare violence against male and female psychiatric patients at two hospitals in Ottawa, Canada, I discovered that dissent and the testament of past sufferings inspires people to reconsider their marginalizing standpoints, and helps participants and researchers who have experienced trauma before and during the research process to cope with their emotional suffering and find closure. This approach may encounter ethical problems such as researcher/participant re-victimization and distress, which may be resolved through debriefing exercises, and displays of empathy, compassion, non-judgement, and friendship.

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)0,057
score de la tête « metaresearch » (Gemma)0,065
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,057
Score d'incertitude au seuil0,301

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0570,065
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0220,058
Communication savante0,0170,017
Science ouverte0,0030,014
Intégrité de la recherche0,0040,008
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,859
Tête enseignante GPT0,728
Écart entre enseignants0,131 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations14
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueQualitative ResearchMême sujetQualitative Research Methods and EthicsTravaux en français237 207