MétaCan
Menu
Retour à la cohorte
Enregistrement W3106752814 · doi:10.1080/01490400.2020.1830897

Examining Self-Other Constructions to Advance the Social Justice Goals of Leisure Research

2020· article· en· W3106752814 sur OpenAlexaff
Colleen Reid, Ania Landy, Marina Morrow, Maggie Bosse

Notice bibliographique

RevueLeisure Sciences · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueRecreation, Leisure, Wilderness Management
Établissements canadiensVancouver Coastal HealthYork UniversityUniversity of British ColumbiaDouglas College
Organismes subventionnairesnon disponible
Mots-clésParticipatory action researchCommunity-based participatory researchSociologyCitizen journalismPublic relationsPower (physics)Social justiceSocial psychologyPsychologyCriminologyPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

Community-based participatory research (CBPR) is used increasingly in leisure research to foster equitable relationships and social change, yet individuals who disseminate CBPR remain fraught with the challenges of upholding CBPR’s central values and principles in the daily practices of CBPR. In this analysis we examine the promises and challenges of integrating mental health ‘peer’ research participants into all phases of the CBPR process. While peers’ experiences were largely positive, reflections from team members revealed ongoing tensions in attending to power differences between academic researchers and peers - what the research team called “self-other” constructions. Our efforts to unsettle ‘self-other’ constructions built peers’ capacity and personal growth but perpetuated role distinctions, power inequalities, and tensions around structure and control. These tensions are highly instructive for leisure researchers “to reimagine leisure studies and its role in helping society understand, confront, and address complex social challenges” (Glover, 2015 Glover, T. D. (2015). Leisure research for social impact. Journal of Leisure Research, 47(1), 1–14. https://doi.org/10.1080/00222216.2015.11950348[Taylor & Francis Online], [Web of Science ®] , [Google Scholar], p. 1).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,245
Score d'incertitude au seuil0,811

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,179
Tête enseignante GPT0,450
Écart entre enseignants0,271 · 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 tête enseignante, pas un consensus.

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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLeisure SciencesMême sujetRecreation, Leisure, Wilderness ManagementTravaux en français237 207