Getting at Equality: Research Methods Informed by the Lessons of Intersectionality
Notice bibliographique
Résumé
This article evaluates a Participatory Action Research (PAR) approach with mixed methods including concept mapping, q-sorting and deliberative dialogue in the context of a research project on young people’s experiences with digital communications technologies, and addresses some of the central insights of intersectionality theory and praxis. Our approach seeks to ensure that, insofar as possible, the gathered data provide a rich and layered window into the experiences of young people from a range of marginalized communities served by our project partners. The article revisits some key insights and contestations relating to intersectionality and addresses their relationship to our approach. We evaluate whether these methods enhance understandings of the interactions of structures of subordination with other factors identified in intersectionality scholarship, as well as the extent to which they centre the knowledge and expertise of those subordinated by matrices of domination as discussed by authors such as Crenshaw and Hill Collins. Our approach is just one of many that social science researchers interested in advancing intersectionality’s key insights could deploy. While it falls short of full consistency with these insights, its mixed methods work toward our partners’ social justice objectives while facilitating exploration of intersecting axes of subordination. Our approach can also help our project recapture the politic at the heart of many intersectional feminist critiques, such as those of Crenshaw and Hill Collins - that reconceptualizing knowledge requires centring the knowledge and expertise of those traditionally excluded due to interlocking systems of subordination.
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 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 | 0,068 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».