Highlighting the potential of peer-led workshops in training early career researchers for conducting research with Indigenous communities
Notice bibliographique
Résumé
For decades, Indigenous voices have called for research practices that are more collaborative and inclusive. At the same time, researchers are becoming aware of the importance of community-collaborative research. However, in Canada, many researchers receive little formal training on how to collaboratively conduct research with Indigenous communities. This is particularly problematic for early-career researchers (ECRs) whose fieldwork often involves interacting with communities. To address this lack of training, two peer-led workshops for Canadian ECRs were organized in 2016 and 2017 with the following objectives: (a) to cultivate awareness about Indigenous cultures, histories and languages; (b) to promote sharing of Indigenous and non-Indigenous ways of knowing; and (c) to foster approaches and explore tools for conducting community collaborative research. Here we present these peer-led Intercultural Indigenous Workshops and discuss workshop outcomes according to five themes: scope and interdisciplinarity, Indigenous representation, workshop environment, skillful moderation and workshop outcomes. We show that peer-led workshops are an effective way for ECRs to cultivate cultural awareness, learn about diverse ways of knowing, and share collaborative research tools and approaches. Developing this skill set is important for ECRs aiming to conduct community-collaborative research, however broader efforts are needed to shift toward more inclusive research paradigms in Canada.
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 | 0,050 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,012 | 0,008 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,004 | 0,021 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».