Negotiating a Way In: A Special Collection of Essays on Accessing Information and Socio-legal Research
Notice bibliographique
Résumé
For most scholars, what we choose to research is largely determined by personal interest and a desire to produce new knowledge that will meaningfully contribute to the advancement of our chosen field of study. For those of us who do work in the areas of criminology and socio-legal studies, this pursuit of knowledge often requires that we gain access to public officials, state institutions, or government documents to collect necessary data. Regardless of whether we engage in quantitative or qualitative research, the findings we produce are highly dependent upon the information we are able to gather. Access therefore emerges as a key topic for researchers, raising important methodological concerns as well as broader political questions regarding the availability of information in liberal democracies. However, although gaining access to data is a crucial step in the research process, it is one that seems to garner little scholarly attention within criminological and socio-legal circles. Indeed, although there are a countless number of textbooks on the market (many of which are used every year as required reading in undergraduate and graduate research methods classes) that discuss the various ways researchers can go about collecting and analysing data, very little is said about the processes involved in negotiating entry with the gate-keepers of these data. Much of what is discussed in most methods text-books and classrooms is often limited to questions of ethics and the moral duties and obligations of researchers to their participants, rather than critical considerations related to the actual practice of gaining access.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».