MétaCan
Menu
Retour à la cohorte
Enregistrement W4311685094 · doi:10.22584/nr54.2023.001

Navigating the Shifting Landscape of Engagement in Northern Research: Perspectives from Early Career Researchers

2022· article· en· W4311685094 sur OpenAlexafffundvenueabout
Anita Lafferty, Jared Gonet, Tina Wasilik, Lauren Thompson, Selina Ertman, Sasiri Bandara

Notice bibliographique

RevueThe Northern Review · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueIndigenous Studies and Ecology
Établissements canadiensYukon UniversityUniversity of Alberta
Organismes subventionnairesUniversity of AlbertaAssociation of Canadian Universities for Northern Studies
Mots-clésIndigenousReciprocity (cultural anthropology)Traditional knowledgeSociologyWork (physics)Community engagementRelevance (law)Public relationsColonialismKnowledge translationPolitical scienceSocial scienceEnvironmental ethicsEcologyEngineering

Résumé

récupéré en direct d'OpenAlex

Advance Online Article published December 16, 2022An examination of research in northern Canada and its ties to extractive, colonial practices has been highlighted in recent years, alongside heightened expectations for community- and Nation-engaged practises. Here, we explore the diverse ways that northern-focused early career researchers (ECRs), from a range of faculties, life experiences, and disciplines, engage with the communities and Indigenous Nations they work in and, more broadly, the knowledge they have gained from conducting research in the North. Scholars in the fields of education, anthropology, and renewable resources from the University of Alberta share their experiences to discuss 1) approaches to meaningfully and respectfully engaging with communities and Nations in the North; 2) knowledge translation and mutual capacity building; and 3) responsibilities and accountabilities for engaging with communities and Nations. We find resonance with the Five R’s of research—relevance, reciprocity, respect, responsibility, and relationship—that help ensure Western-derived knowledge benefits the communities and Nations that ECRs work alongside.

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)0,075
score de la tête « metaresearch » (Gemma)0,032
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,956
Score d'incertitude au seuil0,895

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0750,032
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,006
Études des sciences et des technologies0,0370,049
Communication savante0,0270,008
Science ouverte0,0030,018
Intégrité de la recherche0,0040,007
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,304
Tête enseignante GPT0,486
Écart entre enseignants0,182 · 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.

Devis d'étudeQualitatif
DomaineMéthodes
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

Citations3
Publié2022
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueThe Northern ReviewMême sujetIndigenous Studies and EcologyTravaux en français237 207