MétaCan
Menu
Retour à la cohorte
Enregistrement W4226436939 · doi:10.46743/2160-3715/2022.5173

Storying Ways to Reflect on Power, Contestation, and Yarning Research Method Application

2022· article· en· W4226436939 sur OpenAlexfundno aff
Cammi Murrup-Stewart, Petah Atkinson, Karen Adams

Notice bibliographique

RevueThe Qualitative Report · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIndigenous Health, Education, and Rights
Établissements canadiensnon disponible
Organismes subventionnairesLowitja InstituteUniversity of TorontoUniversity of Minnesota
Mots-clésIndigenousColonialismSociologyPrivilege (computing)NarrativeParticipatory action researchPower (physics)AutoethnographyTraditional knowledgeEpistemologyGender studiesMedia studiesAnthropologyPolitical scienceLawEcology

Résumé

récupéré en direct d'OpenAlex

Internationally within academia settler-colonial processes occur in various ways alongside a growth in the use of research methods conceived with Indigenous knowledges. However, most research environments and practices are built upon and privilege dominant non-Indigenous settler-colonial knowledge systems. It is within this power imbalance and contested space that Yarning research method is being applied and interpreted. Underpinned by an Indigenous Research Paradigm, we employed storying ways to examine researcher experiences of settler-colonialism and the Yarning research method. The story outlines challenges and pitfalls that researchers can fall into and critically examines how researchers can fail to recognise the depth of Indigenous knowledge embedded within the practice. This story is gifted by creating an imagined narrative interview with a character called Settler-Colonisation, whereby we identify a litany of settler-colonial processes impacting Yarning research. Scrutinising the epistemological and methodological practices and processes enacted in academia is imperative for better-informed application of Indigenous research methods and create sustainable research more generally.

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)0,036
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,585
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0360,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0160,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,285
Tête enseignante GPT0,612
Écart entre enseignants0,327 · 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.

Devis d'étudeQualitatif
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

Citations11
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Qualitative ReportMême sujetIndigenous Health, Education, and RightsTravaux en français237 207