Mask-Making and Drawing as Method: Arts-Based Approaches to Data Collection With War-Affected Children
Notice bibliographique
Résumé
Globally, the numbers of children living in conflict zones and displaced by war have risen dramatically over the past two decades, and with this, scholarly attention to the impacts of war on children. More recently, researchers have examined how war-affected children are being studied, revealing important shortcomings. These limitations relate to the lack of child participation in research, the need for researchers to engage children in the research process as “active agents” rather than “passive objects” under study, as well as the need for researchers to pay closer attention to ethical dilemmas associated with researching war-affected children. To address these realities, innovative research methods that can be adapted across diverse sociocultural contexts are warranted. In light of these shortcomings, our research team integrated two arts-based methods: mask-making and drawing, alongside traditional qualitative data collection methods with a particularly marginalized population of young people: children born in captivity within the Lord’s Resistance Army in northern Uganda. In this article, we provide information on the context of northern Uganda. We describe how the use of mask-making and drawing was used as data gathering tools and the ways in which these arts-based methods had important benefits for the research participants, researchers, and impacted on the validity of the research as a whole. We propose that the use of these participatory visual methods enriched the themes elicited through more traditional methods. The article describes how these arts-based mediums fostered community building among children typically excluded from their communities and were successful as a tool to build trust between participants and the research team when exploring sensitive topics. The article concludes with implications for future research with war-affected children.
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 | 0,118 | 0,139 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,015 | 0,029 |
| Communication savante | 0,010 | 0,010 |
| Science ouverte | 0,005 | 0,017 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
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 ».