Implementing Indigenous Gender-Based Analysis in Research: Principles, Practices and Lessons Learned
Notice bibliographique
Résumé
Numerous tools for addressing gender inequality in governmental policies, programs, and research have emerged across the globe. Unfortunately, such tools have largely failed to account for the impacts of colonialism on Indigenous Peoples’ lives and lands. In Canada, Indigenous organizations have advanced gender-based analysis frameworks that are culturally-grounded and situate the understanding of gender identities, roles, and responsibilities within and across diverse Indigenous contexts. However, there is limited guidance on how to integrate Indigenous gender-based frameworks in the context of research. The authors of this paper are participants of a multi-site research program investigating intersectoral spaces of Indigenous-led renewable energy development within Canada. Through introspective methods, we reflected on the implementation of gender considerations into our research team’s governance and research activities. We found three critical lessons: (1) embracing Two-Eyed Seeing or Etuaptmumk while making space for Indigenous leadership; (2) trusting the expertise that stems from the lived experiences and relationships of researchers and team members; and (3) shifting the emphasis from ‘gender-based analysis’ to ‘gender-based relationality’ in the implementation of gender-related research considerations. Our research findings provide a novel empirical example of the day-to-day principles and practices that may arise when implementing Indigenous gender-based analysis frameworks in the context of research.
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 | 0,351 | 0,139 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,008 | 0,007 |
| Études des sciences et des technologies | 0,029 | 0,121 |
| Communication savante | 0,031 | 0,022 |
| Science ouverte | 0,008 | 0,025 |
| Intégrité de la recherche | 0,007 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».