Whiteness in the Qualitative Research Setting: Critical Skepticism, Radical Reflexivity and Anti-racist Feminism
Notice bibliographique
Résumé
This essay critically reflects on challenges and dilemmas I encountered when interviewing white women about their experiences with gender, racialization, and practices of whiteness. These challenges and dilemmas in the research setting relate to the researcher-participant relationship and, in particular, participants’ use of 1) a “rhetorical ethic,” in which their social justice narratives were contradicted by demonstrations of their own racist ideologies; and 2) how whiteness and femininity were sites of power and resources for “social desirability bias” and impression management in response to my positionality as a white woman with a Black spouse and two racially mixed children. Additionally, this essay grapples with the emotionally difficult journey of being a researcher with the feminist commitment of “giving voice” to women by developing a bond of mutual trust, while at the same time feeling compelled to conceal oneself in search of “honest” responses from the research participants. This reflection illuminates how a/symmetries of power between researcher and the researched are inscribed with race and gender dynamics that are not always discernible, yet have a tremendous influence on data gathering. These dynamics require recognizing the agency of the research participants to shape what are considered and interpreted as data. These dynamics also require treating the data with “critical skepticism” and subjecting the participants’ responses to a “radical reflexivity” rooted in understanding how the larger social, political and historical “facts of whiteness” inform the microcosm of the researcher-participant relationship.
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 | 0,248 | 0,174 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,031 | 0,146 |
| Communication savante | 0,031 | 0,020 |
| Science ouverte | 0,005 | 0,024 |
| Intégrité de la recherche | 0,007 | 0,015 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».