Doing Dis/ordered Mappings: A New Method for Analysing Embodied and Relational Research
Notice bibliographique
Résumé
Qualitative research often involves the collection of data from multiple sources, inclusive of the multisensorial, embodied and relational. These differing data sources, that are not language based, pose difficulties for analysis. Often this multimodal data is collected alongside interviews, field notesand other language based data and then translated into language. In the process of this translation, the embodied, relational and multisensorial aspects of this data is often lost. To address this issue, I will present a new method for analysing multisensorial, relational and embodied data, through the introduction of a tactile mapping technique. The doing of dis/ordered mappings, is not about fixing lines and encounters in order to produce a two dimensional cartography, plan or model; on the contrary it is about exploring differing embodiments and material relations among people and things. This complex mapping suggests a need for a more holistic exploration of qualitative methodsbeyond language and visual communication. Through centralising embodiment, not only as an analytical method but also as something that informs methodologies and methods, these doings of mappings offer something new to qualitative inquiry. To evidence how the doing of dis/ordered mappings can be employed in case study research, two multi-sited case studies in Canada—the Canadian War Museum in Ottawa; and the Canadian Museum for Human Rights in Winnipeg will be discussed. This presentation illustrates how doing dis/ordered mappings as a method has the ability to produce knowledge of/ in embodied and multisensorial research in radically new ways.<br/>
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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; un appel candidat d’une seule tête enseignante, 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 ».