Assessing excellence in community-based research: Lessons from research with Syrian refugee newcomers
Notice bibliographique
Résumé
In this article, we critically reflect on three Syrian refugee research projects that were conducted simultaneously in Ontario, Canada, in order to: (1) strengthen the community system of support for refugee newcomers; (2) address social isolation of Syrian parents and seniors; and (3) promote wellbeing of Syrian youth. Our purpose in this article is to demonstrate a tangible way of assessing research projects which claim to be community-based, and in so doing gain a deeper understanding of how research can be a means of contributing to refugee newcomer resilience. Our assessment of the three studies was done through the reflective lens of the Community Based Research Excellence Tool (CBRET). CBRET is a reflective tool designed to assess the quality and impact of community-based research projects, considering the six domains of community-driven, participation, rigour, knowledge mobilisation, community mobilisation and societal impact. Our assessment produced four main lessons. The first two lessons point to the benefit of holistic emphasis on the six categories covered in the CBRET tool, and to adaptability in determining corresponding indicators when using CBRET. The last two lessons suggest that research can be pursued in such a way that reinforces the rescue story and promotes the safety of people who arrive as refugees. Our lessons suggest that both the findings and the process of research can be interventions towards social change. The diversity of the three case examples also demonstrates that these lessons can be applied to projects which focus on both individual-level and community-level outcomes.
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 | 0,133 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,025 |
| 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 ».