Body Maps as Ecological, Affective, Relational and Decolonizing Method
Notice bibliographique
Résumé
Building upon previous research (Fidyk 2019a, 2019b) aimed to support the mental health of vulnerable youth, this presentation focuses on body maps as an ecological, affective, relational and decolonizing method for data creation, collection and expression/presentation. Body maps, broadly defined, are life-size body images, while body mapping is the process of creating body maps using collage, photography, painting or other arts-integrated techniques to visually symbolize aspects of people’s lives, bodies and worlds. Rooted in research regarding women’s reproductive health and body biology in Jamaica (MacCormack, 1985), body maps became widely used as a method to study HIV/AIDS self-care needs. It has been used in community-based work in Zimbabwe (Cornwall, 1990) and South Africa (MacGregor, 2009), and in Brazil, Colombia, Canada and Mexico (Devine, 2008; Gastaldo et al., 2012; Gastaldo et al., 2018; Wienard, 2006). The use of body maps also enables participants to engage with sites of injury, even trauma, yet in a safe, playful way (Crawford, 2010; Haiman, 2013; van der Kolk, 2014; Orchard, 2017). Indigenist (Wilson, 2008), feminist, anti-colonial, anti-race and decolonizing theories value its trans nature because participants can “speak” through counter-hegemonic discourses. For example, participants rejected the naming of girl and boy, choosing “something in-between” but not opting for terms such as transgender. Of significance, body maps support poetic approaches to research that respect imagination, sensation and body awareness. The art of body mapping serves those who seek witnessing, testimony and social justice. Moving beyond a historical and contemporary analysis of the method, its strengths and limitations are discussed, particularly via interdisciplinary research and pedagogical praxis.
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 | 0,007 | 0,073 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| 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 ».