MétaCan
Menu
Retour à la cohorte
Enregistrement W3082942862 · doi:10.1386/jem_00013_1

Reimagining Attawapiskat: Indigenous youth voices, community engagement and mixed-media storytelling

2020· article· en· W3082942862 sur OpenAlexaffabout
Sarah Wiebe, Erynne M. Gilpin, Laurence Butet-Roch

Notice bibliographique

RevueJournal of Environmental Media · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueParticipatory Visual Research Methods
Établissements canadiensYork UniversityUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésStorytellingIndigenousMainstreamSociologyContext (archaeology)Media studiesNarrativeDigital storytellingPublic relationsCommunity engagementGender studiesPolitical scienceHistoryArtPedagogy

Résumé

récupéré en direct d'OpenAlex

Widely circulating textual and visual discourses that represent communities shape public perception and awareness. This article discusses a research collaboration between Indigenous and non-Indigenous researchers and artists to reflect on co-creating the Reimagining Attawapiskat project with youth artists. Attawapiskat is an Indigenous community that became the focus of widespread media attention following several State of Emergency declarations due to factors ranging from inhabitable housing conditions to escalating suicide attempts. Informed by Indigenous storytelling research methods and arts-based community-engaged research, the mixed-media storytelling approach advanced here aims to challenge and interrupt mainstream media narratives that frame Attawapiskat as a troubled community constantly in crisis. This collaboration contends with the shadows of Canada’s settler-colonial context through community stories that counter hegemonic portrayals. Reimagining Attawapiskat sheds light on the nuances of community health in Attawapiskat through a collection of youth voices and place-based digital stories that centre Cree life, well-being and culture.

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)0,006
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,760
Score d'incertitude au seuil0,478

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0190,017
Communication savante0,0140,004
Science ouverte0,0020,012
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,492
Tête enseignante GPT0,485
Écart entre enseignants0,007 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations6
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental MediaMême sujetParticipatory Visual Research MethodsTravaux en français237 207