Ethics, empathy, and fear in research on violent conflict
Notice bibliographique
Résumé
Abstract The discussion of ethics in the social sciences focuses on ‘doing no harm’ and ‘giving back’ to research participants, but does not explore the challenges of empathy and fear in research with participants in political violence and war. Drawing on 180 in-depth interviews on the Georgian–Abkhaz war of 1992–93 collected over eight months between 2010 and 2013 primarily in Abkhazia, but also Georgia and Russia, I argue that researchers can come to empathize with some but fear other participants in past and present violence. These emotional responses can influence researchers’ ability to probe and interpret interviews and respondents’ ability to surpass strong positions to explore dilemmas of participation in violence. By empathizing with not only ‘victims’ and ‘non-fighters’ as I had expected based on my pre-existing moral-conceptual categories, but also participants in the war, I found that individuals adopted multiple overlapping roles and shifted between these roles in the changing conditions of violence. In contrast, failing to empathize with and fearing those who continued to participate in violence after the war of 1992–93 limited my ability to fully appreciate the complexity of their participation, but shed light on the context of violence in contemporary Abkhazia. This analysis shows that reflection on the role of empathy and fear in shaping our interactions with research participants can help advance our understanding of participation in violence and this difficult research context.
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 | 0,034 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,014 | 0,047 |
| Communication savante | 0,010 | 0,008 |
| Science ouverte | 0,001 | 0,013 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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 ».