Decolonizing both researcher and research and its effectiveness in Indigenous research
Notice bibliographique
Résumé
How does one decolonize and reclaim the meanings of research and researcher, particularly in the context of Western research? Indigenous communities have long experienced oppression by Western researchers. Is it possible to build a collaborative research knowledge that is culturally appropriate, respectful, honoring, and careful of the Indigenous community? What are the challenges in Western research, researchers, and Western university methodology research training? How have ‘studies’ – critical anti-racist theory and practice, cross-cultural research methodology, critical perspectives on environmental justice, and land-based education – been incorporated into the university to disallow dissent? What can be done against this disallowance? According to Eve Tuck and K Wayne Yang’s (2012) suggestion, this article did not use the concept of decolonization as a substitute for ‘human rights’ or ‘social justice’, but as a demand of an Indigenous framework and a centering of Indigenous land, Indigenous sovereignty and Indigenous ways of thinking. This article discusses why both research and researcher increasingly require decolonization so that research can create a positive impact on the participants’ community, and conduct research ethically. This article is my personal decolonization and reclaiming story from 15 years of teaching, research and service activities with various Indigenous communities in various parts of the world. It presents a number of case studies of an intervention research project to exemplify the challenges in Western research training, and how decolonizing research training attempts to not only reclaim participants’ rights in the research but also to empower the researcher. I conclude by arguing that decolonizing research training creates more empathetic educators and researchers, transforming us for participants, and demonstrating how we can take responsibility for our research.
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 | 0,564 | 0,569 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,003 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,009 | 0,006 |
| Études des sciences et des technologies | 0,027 | 0,270 |
| Communication savante | 0,039 | 0,051 |
| Science ouverte | 0,006 | 0,061 |
| Intégrité de la recherche | 0,013 | 0,021 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».