Reflections on Conducting Community-Engaged Research During COVID-19
Notice bibliographique
Résumé
As an emerging scholar committed to social justice and anti-oppressive praxis, I entered my master’s program in Geography at York University, Toronto, with the goal of contributing to new theoretical insights and meaningful outcomes for research participants in Thailand. While initially the concept of communityengaged research appeared to alleviate the tensions between these two goals, the realities of the university’s constraints on graduate student research coupled with those of the COVID-19 pandemic have made it clear that this endeavor would not be straightforward. The inherent messiness of balancing academic matters (e.g., contributing to new theory and demonstrating an adequate level of rigor) with social justice concerns (e.g., eliminating epistemological violence and contributing meaningful outcomes for research participants) in community-engaged research has only intensified as COVID-19 has reconfigured our social relations, exacerbating existing inequities and restricting our social mobility, particularly across international borders. In this reflection, I consider how remotely collaborating with local research assistants in my own graduate research project typifies these tensions. More specifically, I posit that the COVID-19 pandemic has further underscored the importance of researchers, particularly white men researchers such as myself, to be willing to consistently re-evaluate our projects, and embrace flexibility, accountability, and the removal of ego from our work.
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 | 0,170 | 0,187 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,068 | 0,081 |
| Communication savante | 0,032 | 0,018 |
| Science ouverte | 0,010 | 0,039 |
| Intégrité de la recherche | 0,018 | 0,048 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».