MétaCan
Menu
← Retour à la cohorte
Enregistrement W2164909544

Lateral violence as a process in First Nations institutions

2010· dissertation· en· W2164909544 sur OpenAlexaboutno aff
G.R. James

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineSocial Sciences
ThématiqueIndigenous Health, Education, and Rights
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProcess (computing)Political scienceProcess managementEconomic systemBusinessComputer scienceEconomicsOperating system
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This thesis paper was written to meet the requirements for a master's degree in the Studies in Policy and Practice Program through the University of Victoria. British Columbia. A grounded theory was developed studying lateral violence as a process in First Nations institutions in Coast Salish territory. The research question was how does lateral violence function as a process in First Nations institutions? To answer this question, one-on-one interviews were conducted, digitally recorded, transcribed, and analysed using grounded theory techniques. What came from the research findings was a theory on the effects of fear based learning on lateral violence. This research paper looks at the evolution of fear based learning from the Indian Residential School system, into the home of First Nations people, and it's progression from the home into community, and into First Nations institutions. Nine properties of fear based learning were identified. This project contributes as a solution to lateral violence the process of identifying conditions for the perfect storm. Identifying conditions for the perfect storm help administrators navigate developing episodes of lateral violence. Furthermore, this project contributes framing solutions within the Coast Salish cultural and political act of witnessing. Witnessing is seen as providing a cultural foundation for justice.

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)0,004
score de la tête « metaresearch » (Gemma)0,007
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,093

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0210,030
Communication savante0,0140,008
Science ouverte0,0010,008
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0140,001

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 Opus0,015
Tête enseignante GPT0,361
Écart entre enseignants0,346 · 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

Citations0
Publié2010
Routes d'admission1
Résumé présentnon

Explorer davantage

Même sujetIndigenous Health, Education, and Rights→Travaux en français237 207→