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
Notice bibliographique
Résumé
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.
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 | 0,014 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,006 |
| Communication savante | 0,005 | 0,007 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».