Deafness and sign language in a Yucatec Maya community: Emergent Ethnographic Practice
Notice bibliographique
Résumé
This paper outlines the potential that community‐based, family‐oriented research strategies have for generating inclusive and sustainable local social programs. Examples drawn from long‐term fieldwork in an indigenous Mayan‐speaking community in Yucatán, Mexico highlight the utility of aligning ethnographic evaluations with available state resources in appropriate and holistic ways. There is a high percentage of deafness in the community of Chican, and a nondiscriminatory attitude toward sign language use that enables the involvement of deaf persons into everyday life activities. In Chican, deafness represents a positive constitutive feature of community identity; the locally developed Yucatec Mayan Sign Language is widely used among both deaf and hearing persons enabling for the inclusion of deaf persons in community life. However, disjuncture between local and state approaches toward community wellbeing are apparent in that state conceptualizations of deafness as a disabling condition, and indigenous identity as being problematic, contrast sharply with local understandings. Through carrying out in depth participant‐observation, I assumed the role I was assigned within community life, and thereby gained insight into local understanding of deafness, communication, and identity. Engaging with children, adolescents, extended family, and community leaders, I participated with family members across age and gender lines in their customary daily activities. By these means, I realized that external perceptions of Chican, concentrating primarily on the presence of deafness in the community, were overshadowing more pressing and generalized community needs. To facilitate local communications with state and humanitarian agencies, I founded a nonprofit organization called “YUCAN Make a Difference A.C.,” which envisions ethnographic practice as a pivotal force in generating mutually rewarding programs of social assistance. [applied anthropology, deafness and sign language, Yucatec Maya, ethnographic practice, nonprofit organizations]
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 | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,011 | 0,008 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».