MétaCan
Menu
Retour à la cohorte
Enregistrement W2739156102 · doi:10.1111/1745-5871.12241

My experiences with Indigenist methodologies

2017· article· en· W2739156102 sur OpenAlexfundno aff
Katherine MacDonald

Notice bibliographique

RevueGeographical Research · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueAnthropological Studies and Insights
Établissements canadiensnon disponible
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésIndigenousColonialismDecolonizationEnvironmental ethicsSociologyAmazon rainforestGeographyAnthropologyPolitical sciencePoliticsEcologyArchaeologyLaw

Résumé

récupéré en direct d'OpenAlex

Abstract Traditionally, geographic research and engagement with Indigenous communities have largely been developed within a western research paradigm and have historically been linked to colonial practices such as extraction and/or domination. The consequences of these research practices and paradigms have been the further marginalisation of Indigenous people globally. However, geographers are increasingly being influenced by a range of Indigenous scholars from both within and beyond the discipline who highlight the colonial foundations of geographic knowledge and the ongoing production of colonial relations, and who are calling for a decolonisation of knowledge through the use of Indigenist methodologies. After exploring this shift, this paper moves to a discussion of my engagement with research in Indigenous communities using Indigenist methodologies, including the emotions and thought processes that emerged during my own research journey, which led me to southern Guyana and the Makushi and Wapishana peoples who reside in the northern savannah environments of the Amazon basin. I conclude by sharing how I am continuing that journey using Indigenist approaches in my work in the Madre de Dios region of Peru, and by encouraging future scholars to challenge traditional geographic research methods.

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)0,057
score de la tête « metaresearch » (Gemma)0,044
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 enseignants0,057
Score d'incertitude au seuil0,299

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0570,044
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0220,046
Communication savante0,0160,011
Science ouverte0,0040,022
Intégrité de la recherche0,0030,010
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,379
Tête enseignante GPT0,550
Écart entre enseignants0,171 · 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

Citations11
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeographical ResearchMême sujetAnthropological Studies and InsightsTravaux en français237 207