Abstracts, Poster Presentation, Qualitative Health Research Conference, 2018
Notice bibliographique
Résumé
Although there is no genetic link between race and neurodevelopmental conditions such as autism, there is an unevenness in the prevalence and outcomes for racialized children.My research aims are to ( 1) explore how such discrepancies emerge and (2) gain an in-depth account of racialized autistic children.Methodologically, I engage in a critical-affirmative cartography.This approach is informed by critical disability, childhood, and race/decolonial scholarship to map how sociopolitical structures individualize, stabilize, and hierarchize bodies and practice (e.g., normal/abnormal, abled/disabled, majority/minority, adult/ child).I also draw on process ontologies that frame bodies as dynamic sociomaterial assemblages to map how bodies affirm ways of being that lie outside normative frameworks.For this paper, I will outline my preliminary critical-affirmative cartography in which I map how cognitive, bodily and racial differences come to matter to autism diagnosis for racialized autistic children, as well as how they express capacities that often go unor misrecognized.It is not my intention to question whether racialized children are accurately diagnosed, but to consider how ascribed and diagnostic differences can interact, come to matter, and be exceeded in normative clinical and educational contexts.
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 | 0,015 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,003 |
| Communication savante | 0,005 | 0,001 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,142 | 0,014 |
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 ».