Notice bibliographique
Résumé
Understanding the unique challenges facing vulnerable communities necessitates a scholarly approach that is profoundly embedded in the ethnographic tradition. Undertaking ethnographies of communities and populations facing huge degrees of inequality and abject poverty asks of the researcher to be able to think hard about issues of positionality (what are our multiple subjectivities as insider/outsider, knowledge holder/learner, and so on when interacting with vulnerable subjects, and how does this influence the research?), issues of engagement versus exploitation (how can we meaningfully incentivize participation in our studies without being coercive/extractive, and can we expect vulnerable subjects to become deeply in research design/data collection, and so on when they are so overburdened already?), and representation (what are the ethics of representing violence, racism, and sexism as expressed by vulnerable respondents? What about the pictures we take and the stories we tell?). Through the discussion of our research on the behavioral patterns, socialization strategies, and garbage processing methods of informal waste pickers in Argentina and Mexico, we ask ourselves, and through this exercise, seek to shed light on the broader questions of how can we engage in ethnographies of vulnerable communities while maintaining a sense of objectivity and protecting our informants? Rather than attempting to provide a definite answer, we provide a starting point for scholars of resource governance interested in using ethnographic methods for their research. We highlight the challenges we’ve faced in studying cartoneros in Buenos Aires (Argentina) and pepenadores in León (Mexico) and engage in a self-reflective discussion of what can be learned from our struggle to provide meaningful, engaged scholarship while retaining and ensuring respect and care for the communities we study.
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 | 0,008 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,007 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 0,003 |
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 ».