MétaCan
Menu
Retour à la cohorte
Enregistrement W2336334116 · doi:10.1177/1049732315618660

Worth the Risk? Muddled Relationships in Community-Based Participatory Research

2015· review· en· W2336334116 sur OpenAlexaff
Maria Mayan, Christine Daum

Notice bibliographique

RevueQualitative Health Research · 2015
Typereview
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésCitizen journalismCommunity-based participatory researchParticipatory action researchSociologyPsychologyPolitical sciencePublic relationsLawAnthropology

Résumé

récupéré en direct d'OpenAlex

Community-based participatory research (CBPR) is a collaborative research approach that has two purposes: (a) to generate knowledge about and (b) to take action to improve the lives of people facing health, social, economic, political, and environmental inequities. The foundation of all CBPR projects is its partnership--its cooperative relationship between community members, service providers, program planners, policy makers, and academics. It is with people--and through relationships--that partnerships are built and sustained. Although relationships between academics and community members are critical to creating knowledge and change, they are overlooked in the literature. We often hear about CBPR "gone wrong," when tensions and conflicts arise because relationship boundaries become blurred. Our purpose is to expose the muddled relationships that can be created between academics and community members in CBPR projects. Drawing upon our experiences presented in a series of vignettes, we consider the nature of these relationships. We explore whether we conduct, in CBPR, good research at the expense of muddling relationships. Despite the potential for muddled relationships, we believe that CBPR is the best approach for research aimed at achieving a more equitable and just society.

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)0,147
score de la tête « metaresearch » (Gemma)0,199
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,147
Score d'incertitude au seuil0,778

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1470,199
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0040,010
Études des sciences et des technologies0,0040,027
Communication savante0,0130,019
Science ouverte0,0050,011
Intégrité de la recherche0,0100,009
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,997
Tête enseignante GPT0,886
Écart entre enseignants0,111 · 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations97
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueQualitative Health ResearchMême sujetHealth Policy Implementation ScienceTravaux en français237 207