Navigating Personal, Professional, Institutional, and Relational Dimensions of Community-Engaged Research
Notice bibliographique
Résumé
As universities around the world face plunging revenues coupled with rising expenses, many argue that today’s post-secondary sector is in crisis (Anderson et al., 2020). In some regions, budgetary challenges are exacerbated by performance-based funding models that place an increased focus on impacting local economics and communities more broadly (e.g., Blue Ribbon Panel on Alberta’s Finances, 2019). In response to growing public, personal, and institutional demands for post-secondary institutions to improve their relevance and impact, increasing numbers of academics are pursuing community-engaged approaches to their research. In this paper, two Canadian researchers provide a collaborative autoethnographic account that reflects on and examines their experiences with meaningful and authentic community-engaged research partnerships. The authors explore themes associated with navigating personal, professional, institutional, and relational dimensions of faculty community engagement. In doing so, they draw on and present a modified version of Wade and Demb’s (2009; Demb & Wade, 2012) faculty engagement model that includes relational factors informed by Bringle and Hatcher’s (2002) theoretical framework of relationships. The results of this collaborative autoethnography have broad implications for the practice of research, including implications for work-life balance, tenure and promotion, how service is recognized/categorized, and institutional ethics review board processes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,036 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,026 | 0,051 |
| Communication savante | 0,017 | 0,012 |
| Science ouverte | 0,003 | 0,025 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».