Three Examples of Engagement through Photovoice
Notice bibliographique
Résumé
Addressing the complex challenges of today’s world requires our collective creative capacity. As such, arts-based methods which promote creativity are increasingly important means of engaging people in the issues that matter most to them. This article focuses on one arts-based method, Photovoice, which is a “process by which people can identify, represent, and enhance their community through a specific photographic technique” (Wang & Burris, 1997, p. 369) where participants take photos in response to a question or topic of inquiry. To explore this engagement method, we draw from the methodological insights gleaned from three Master’s Arts in Leadership capstone projects that employed Photovoice (or variations thereof) as one method of inquiry.
 The article is organized as follows: We begin by reviewing Photovoice as a research and engagement method and then summarize the three projects, which occurred in two nonprofit organizations and one public sector institution. In the discussion, we then compare and contrast the methodological insights emerging from these projects, including the extent to which each project: (a) enabled workers at various levels of organizational hierarchies to share their voices; (b) required careful attention to ethics; and (c) generated relationships among participants. As this is a methodological paper, our emphasis here is to highlight the process and impact of using Photovoice as a method rather than sharing each of the study findings and conclusions. In each example, Photovoice as both a research and engagement method enabled participants to play a leadership role in participatory engagement, thus deemphasizing top-down decision-making and promoting more integrated approaches to research and leadership as engagement.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,963 | 0,832 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,732 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,761 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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; les deux têtes enseignantes 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 ».