MétaCan
Menu
Retour à la cohorte
Enregistrement W3094611420 · doi:10.1177/1468794120965374

A critical discussion of the use of film in participatory research projects with homeless young people: an analysis based on case examples from England and Canada

2020· article· en· W3094611420 sur OpenAlexaffabout
Alastair Roy, Jacqueline Kennelly, Harriet Rowley, Cath Larkins

Notice bibliographique

RevueQualitative Research · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueParticipatory Visual Research Methods
Établissements canadiensCarleton University
Organismes subventionnairesHorizon 2020 Framework ProgrammeUniversity of Central LancashireSpencer Foundation
Mots-clésSociologyParticipatory action researchCitizen journalismPublicsParticipatory designMedia studiesEconomic JusticeThe SymbolicGender studiesPublic relationsPoliticsLawPolitical sciencePsychologyEngineeringAnthropology

Résumé

récupéré en direct d'OpenAlex

The focus of this paper is on the complex and sometimes contradictory effects of generating films with and about young people who have experienced homelessness, through participatory research. Drawing on two projects – one in Ottawa, Canada, and the other in Manchester, UK – we scrutinise two key aspects of participatory research projects that use film: first, how to appropriately communicate the complexity of already-stigmatised lives to different publics, and second, which publics we prioritise, and how this shapes the stories that are told. Through a theoretical framework that combines Pierre Bourdieu’s account of authorised language with Arthur Frank’s socio-narratology, we analyse the potential for generating justice versus reproducing symbolic violence through participatory research and film with homeless young people. In particular, we scrutinise the distinct role played by what we are calling first, second and third publics – each with their own level of distance and relationship to the participatory research process.

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)0,033
score de la tête « metaresearch » (Gemma)0,052
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,967
Score d'incertitude au seuil0,591

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0330,052
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0060,012
Études des sciences et des technologies0,0680,051
Communication savante0,0230,008
Science ouverte0,0050,014
Intégrité de la recherche0,0070,007
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 Opus0,884
Tête enseignante GPT0,705
Écart entre enseignants0,180 · 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
DomaineMéthodes
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

Citations16
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueQualitative ResearchMême sujetParticipatory Visual Research MethodsTravaux en français237 207