MétaCan
Menu
Retour à la cohorte
Enregistrement W2912479365 · doi:10.1108/qrj-03-2016-0015

<i>Going local</i> in downtown Kingston, Jamaica

2016· article· en· W2912479365 sur OpenAlexaff
Caroline Shenaz Hossein

Notice bibliographique

RevueQualitative Research Journal · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueMicrofinance and Financial Inclusion
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésDowntownPoliticsSociologyOriginalityEthnographyValue (mathematics)Qualitative researchFocus groupPerspective (graphical)Informal sectorPublic relationsElement (criminal law)Social exclusionParticipant observationSocial scienceGender studiesEconomic growthPolitical scienceLawEconomicsAnthropology

Résumé

récupéré en direct d'OpenAlex

Purpose Academics examining the global South who engage in informal politics to understand social and political issues should be prepared to diversify their methods toolkit. Informal ties and politics are where one learns about social and economic exclusion. The paper aims to discuss these issues. Design/methodology/approach Mixed qualitative methods – such as individual interviews, surveys, and focus groups – provide an understanding of the people’s perspective, enabling the researcher to truly know what is going on. Findings Fieldwork in the downtown communities of Kingston, Jamaica, has an element of danger because violence and politics are very much a part of the daily reality of the people being interviewed. In this paper, the author argues that studying how financial resources are allocated to low-income people and understanding why some groups purposefully self-exclude themselves from economic development programs require unorthodox field methods. The author thus uses political ethnography to understand the experience of marginalized Jamaican people. Originality/value Mixed qualitative methods and political ethnography assisted the author to understand the actual experience of marginalized people and politicized financial programs.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,504
Score d'incertitude au seuil0,997

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0040,002
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,192
Tête enseignante GPT0,444
Écart entre enseignants0,251 · 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'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations5
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueQualitative Research JournalMême sujetMicrofinance and Financial InclusionTravaux en français237 207