MétaCan
Menu
Retour à la cohorte
Enregistrement W2463268213 · doi:10.1177/1476750316656041

Collaborating for community food security: Emerging scholar participation in a community–university partnership

2016· article· en· W2463268213 sur OpenAlexafffund
Erin Nelson, Warren Dodd

Notice bibliographique

RevueAction Research · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueService-Learning and Community Engagement
Établissements canadiensUniversity of GuelphWilfrid Laurier University
Organismes subventionnairesUniversity of Guelph
Mots-clésGeneral partnershipPublic relationsWork (physics)Food securitySociologyPolitical sciencePerspective (graphical)Affect (linguistics)Engineering ethicsAgriculture

Résumé

récupéré en direct d'OpenAlex

In recent years, there has been rapid growth in community–university partnerships. As part of this trend, emerging scholars, including graduate students and postdoctoral fellows, have demonstrated significant interest in being part of community-engaged research projects. However, while there is a growing body of literature on the general subject of CU partnerships, the perspective of emerging scholars is not adequately addressed. In this paper, we aim to address that gap by presenting the case of a specific partnership – one that focused on the issue of community food security – and highlighting the role played by emerging scholars. We suggest that some of the challenges and opportunities characteristic of CU work affect emerging scholars, and the partnerships in which they are involved, in unique ways. Because we view emerging scholar participation in engaged research as valuable for both researchers and community partners, we argue in favour of developing institutional spaces that can support their involvement in CU partnerships by providing opportunities to do the work, facilitating skill building and creating communities of practice.

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)0,033
score de la tête « metaresearch » (Gemma)0,038
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 enseignants0,033
Score d'incertitude au seuil0,173

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0330,038
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0300,020
Communication savante0,0210,014
Science ouverte0,0030,044
Intégrité de la recherche0,0050,006
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,371
Tête enseignante GPT0,504
Écart entre enseignants0,133 · 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

Citations18
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAction ResearchMême sujetService-Learning and Community EngagementTravaux en français237 207