MétaCan
Menu
Retour à la cohorte
Enregistrement W2997955316 · doi:10.1177/1609406919896140

Nanâtawihowin Âcimowina Kika-Môsahkinikêhk Papiskîci-Itascikêwin Astâcikowina [Medicine/Healing Stories Picked, Sorted, Stored]: Adapting the Collective Consensual Data Analytic Procedure (CCDAP) as an Indigenous Research Method

2019· article· en· W2997955316 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueInternational Journal of Qualitative Methods · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueParticipatory Visual Research Methods
Établissements canadiensUniversity of SaskatchewanFirst Nations University of Canada
Organismes subventionnairesnon disponible
Mots-clésIndigenousThematic analysisFocus groupReciprocity (cultural anthropology)Qualitative researchQualitative propertyProcess (computing)Public relationsSociologyPsychologyComputer sciencePolitical scienceSocial science

Résumé

récupéré en direct d'OpenAlex

Over the past several years, academic discourse has included discussions around improving research methodologies, particularly related to Indigenous people. Using Western research methodologies and methods when undertaking health research with Indigenous people, in the direction of Indigenous communities, has not been very effective. This is due to the fact that Western research methodologies do not address the need to foster relationships, mutual respect, and reciprocity. Engaging Indigenous communities empowers them to take an active role in how the research is conducted and ensures that the research is relevant to their communities. Engagement with Indigenous communities is also important during the analysis of qualitative data in the form of interviews, focus groups, and sharing circles. Without adequate engagement, data analysis often reverts back to Western methods, leaving the community out of the data analysis process. Bartlett et al. developed the “Collective Consensual Data Analytic Procedure” (CCDAP) in 2006 to address the lack of community involvement in the data analysis process. Analyzing the qualitative data using a community panel to reach a group consensus reduces the possibility of biases that any one person could bring to the research. Furthermore, group participation helps foster relationships and camaraderie within Indigenous communities. The process outlined by Dr. Bartlett could however become tedious and lengthy when dealing with a large number of interviews and data entries. This is why the CCDAP process was streamlined by first doing a thematic analysis of the data using the NVivo software. Following the thematic analysis, digitalization was added to the process by the way of Microsoft PowerPoint presentation and Excel spreadsheet. This made it quicker and easier to perform the analysis remotely using any videoconferencing platform that allows for screen sharing.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,246
score de la tête « metaresearch » (Gemma)0,129
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesMétarecherche, Études des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,121
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,2460,129
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,003
Communication savante0,0010,002
Science ouverte0,0050,001
Intégrité de la recherche0,0000,003
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,945
Tête enseignante GPT0,817
Écart entre enseignants0,129 · 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