Combining feminist intersectional and community-engaged research commitments: Adaptations for scoping reviews and secondary analyses of national data sets
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
As Hankivsky & Cormier (2011) and Denis (2008) note, the theoretical evolution of intersectionality has outpaced its methodological development. While past work has contributed to our understanding of how to apply intersectionality in research (CRIAW-ICREF & DAWN-RAFH 2014; Morris & Bunjan 2007; Simpson 2009), gaps persist. Drawing on a four-year community-university research collaboration called ‘Changing public services: Women and intersectional analysis’, we explore the incorporation of feminist intersectional and community-engaged research commitments into secondary data analyses, specifically a scoping review and secondary analyses of two Statistics Canada data sets. We discuss our application of these commitments across all stages of designing and undertaking these analyses, in particular drawing into focus the importance of dialogue and deliberation throughout our process. Our application of feminist intersectional and community-engaged commitments – including prioritising community benefit and practising self-reflexivity – revealed gaps and silences in the data, in turn improving our understanding of differences in people’s experiences, our critiques of policies and our identification of new research questions. The lessons learned, we conclude, are valuable for scholars, whether or not community engagement is central to their scholarly commitment. Keywordsfeminist intersectionality, community-engaged research, scoping review, logistic regression, community-university partnerships, Canadian public services
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,121 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,007 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle