Fierce Love: Fashioning Becoming a Researcher | Amour féroce : le façonnage d’un chercheur en devenir
Notice bibliographique
Résumé
Abstract: This paper explores problematic discourses associated with becoming a researcher in the academy through the arts based research methods of autoethnography and narrative performance. I attempt to enhance awareness and contribute to growing knowledge surrounding the experience of becoming a researcher via fragments of my coming out journey, my experience as a psychotherapist and the evolution of my view of a researcher. Through performance-based frameworks and personal evocative writing toward inquiry I weave specific interactions with theoretical positioning. I highlight the collision of discourses and how both vulnerability and critical reflection paved the way in my becoming a researcher.Key Words: Arts based Research; Education; Researcher Identity Development; Autoethnography; Narrative Performance; Queer; LGBTQ; Microaggressions, CounsellingRésumé : Cet article traite des discours problématiques pour ceux et celles qui accèdent au monde universitaire en devenant des chercheurs par le biais de méthodes de recherche à caractère artistique, dont l’auto-ethnographie et la performance narrative. Je tente de stimuler la prise de conscience et de contribuer à l’expansion des connaissances entourant l’expérience du chercheur par l’entremise de fragments de mon cheminement d’affirmation de mon identité, de mon expérience de psychothérapeute et de l’évolution de ma perception de ce qu’est un chercheur. J’y entrecroise certaines interactions avec le positionnement théorique à l’aide de cadres performantiels et d’écriture personnelle évocatrice. Je mets en évidence la collision entre les discours et la façon dont tant la vulnérabilité que la réflexion critique ont jeté les bases du chercheur en devenir. Mots-clés : recherche artistique ; éducation ; développement de l’identité de chercheur ; auto-ethnographie ; performance narrative ; allosexuel ; LGBQ ; micro-agressions ; counseling
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 | 0,018 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,027 | 0,045 |
| Communication savante | 0,015 | 0,010 |
| Science ouverte | 0,001 | 0,012 |
| Intégrité de la recherche | 0,004 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; 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 ».