MétaCan
Menu
Retour à la cohorte
Enregistrement W2999891848 · doi:10.7577/rerm.3674

Becoming Method(ologist): A feminist posthuman autoethnography of the becoming of a posthuman methodology

2019· article· en· W2999891848 sur OpenAlexaff
Katie Warfield

Notice bibliographique

RevueReconceptualizing Educational Research Methodology · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueParticipatory Visual Research Methods
Établissements canadiensKwantlen Polytechnic University
Organismes subventionnairesnon disponible
Mots-clésPosthumanAutoethnographyPosthumanismSociologyAestheticsNeoliberalism (international relations)Assemblage (archaeology)EpistemologyArtGender studiesSocial sciencePhilosophyHistory

Résumé

récupéré en direct d'OpenAlex

This paper contributes to the intersections of post qualitative methods, digital methods, and internet studies, by describing the becoming of a digital posthuman visual method. I use posthuman autoethnography to argue that in the production of this method, the “auto” or my academic selfhood is decentered and entangled amidst an assemblage of material, discursive, and affective forces such as neoliberalism, Trump era terror, and dataism. I introduce a multitude of data points typically not made to matter but through which these material, discursive and affective forces importantly flowed in this production of this method: emails, personal correspondences, restaurant conversations, self-reflection, conferences talks and responses to conference talks. I focus specifically on the moments where the values and principles of feminist posthumanism were jarred and destabilized or where I was made to choose between foregoing my values or redesign my method and myself as methodologist. I argue academics have a response-ability to show both the forces at play behind the becoming of qualitative methods and knowledge in academia.

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)0,014
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,990
Score d'incertitude au seuil0,073

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0100,025
Communication savante0,0060,007
Science ouverte0,0010,007
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,900
Tête enseignante GPT0,713
Écart entre enseignants0,188 · 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.

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

Citations15
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReconceptualizing Educational Research MethodologyMême sujetParticipatory Visual Research MethodsTravaux en français237 207