MétaCan
Menu
Retour à la cohorte
Enregistrement W2805103985 · doi:10.1177/1609406918776075

Thinking and Researching Relationally

2018· article· en· W2805103985 sur OpenAlexafffundabout
Alison Gerlach

Notice bibliographique

RevueInternational Journal of Qualitative Methods · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIndigenous Health, Education, and Rights
Établissements canadiensUniversity of Northern British Columbia
Organismes subventionnairesInstitute of Aboriginal Peoples Health
Mots-clésIndigenousReciprocity (cultural anthropology)SociologyPoliticsTraditional knowledgeEnvironmental ethicsEpistemologyPolitical scienceSocial scienceLawEcology

Résumé

récupéré en direct d'OpenAlex

Decolonizing methodologies are gaining increasing prominence in diverse research contexts in which Indigenous peoples are researchers, research partners, participants, and knowledge users. As political and intellectual allies committed to actively resisting and redressing the colonizing potential of research and advancing social change, non-Indigenous scholars are also enacting decolonizing methodologies. By drawing on the author’s experiences as a non-Indigenous researcher partnering with an Indigenous early childhood program in Canada, this article illustrates the interconnected ways in which relationality provides the necessary epistemological scaffolding to actualize the underlying motives, concerns, and principles that characterize decolonizing methodologies. Relationality draws attention to the multiple intersecting influences that shape research and knowledge itself, emphasizes reciprocity, and is compatible with many Indigenous worldviews. This article contributes toward the ongoing international dialogue about decolonizing methodologies and is directed primarily to non-Indigenous researchers and graduate students who are questioning how to “do” community-based decolonizing research involving Indigenous peoples.

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)0,038
score de la tête « metaresearch » (Gemma)0,031
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,202

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0380,031
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0070,082
Communication savante0,0130,021
Science ouverte0,0030,012
Intégrité de la recherche0,0020,004
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 Opus0,460
Tête enseignante GPT0,667
Écart entre enseignants0,207 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations43
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Qualitative MethodsMême sujetIndigenous Health, Education, and RightsTravaux en français237 207