MétaCan
Menu
Retour à la cohorte
Enregistrement W4248640447 · doi:10.32920/ryerson.14640270

Refugee Youth And Migration: Using Arts-Informed Research To Understand Changes In Their Roles And Responsibilities

2021· preprint· en· W4248640447 sur OpenAlexaboutno aff
Stella Abiyo

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueParticipatory Visual Research Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRefugeeFocus groupThe artsContext (archaeology)Participant observationSociologyQualitative researchInterpretation (philosophy)Gender studiesPsychologyPedagogyPublic relationsPolitical scienceSocial scienceGeography

Résumé

récupéré en direct d'OpenAlex

This article presents the findings from a community-based qualitative study that utilized an arts-informed method to understand the changes in refugee youth's roles and responsibilities in the family within the (re)settlement context in Canada. The study involved 57 newcomer youths from Afghan, Karen, or Sudanese communities in Toronto, who had come to Canada as refugees. The data collection method embedded a drawing activity within focus group discussions. We present these drawings, as well as explanations and discussions to capture the complexities of their experiences. The data analysis involved 1. reflective dialogue between each participant and her/his own drawing; 2. group dialogue, reflection, and elaboration on meanings in the drawings; and 3. the research team's reflective dialogue. The findings revealed that the youths' roles and responsibilities have both changed and increased following migration, often involving interpretation and translation, and providing financial and emotional support to their family members, in addition to engaging in household chores and educational pursuits. Use of drawings as a data generation method enriched the findings of focus group discussions, and vice versa in a number of ways. We also present implications for future research involving arts-informed methods.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,264
Score d'incertitude au seuil0,525

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0160,021
Communication savante0,0080,004
Science ouverte0,0020,007
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,874
Tête enseignante GPT0,682
Écart entre enseignants0,192 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetParticipatory Visual Research MethodsTravaux en français237 207