MétaCan
Menu
Retour à la cohorte
Enregistrement W4317034797 · doi:10.32920/21905676

Collaborative Autoethnographic Writing as Communal Curative

2023· preprint· en· W4317034797 sur OpenAlexaff
Katty Alhayek, Bryant Keith Alexander, Carmen Hernandez Ojeda, Ayshia Mackie-Stephenson, Cláudio Moreira, Ronald J. Pelias, Christopher J. Poulos, Timothy A. Sutton, Porntip Israsena Twishime

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueParticipatory Visual Research Methods
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésAutoethnographyDialecticPrivilege (computing)SociologyPrecarityVulnerability (computing)NarrativePower (physics)LiminalityDisadvantageTransformative learningPluralGender studiesPsychoanalysisPsychologyPedagogyPolitical scienceEpistemologyLinguisticsAnthropologyLiteratureArtLaw

Résumé

récupéré en direct d'OpenAlex

<p>This collaborative autoethnography reflects on how each author experienced COVID-19 and associated precarity. We explore the ways in which this experience relates to our identities (both particular and plural), and our positionalities in terms of privilege and marginality. As a collective of diverse collaborators, we confront dialectical questions of self and society. Our contributions reveal our advantage/disadvantage, mobility/immobility, and the borders and boundedness before/ during/after COVID-19. We show the power of curative writing in collaborative autoethnography and how the sharing of our experiences of vulnerability represents an invitation to human connection. </p>

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,683
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,002
Communication savante0,0010,000
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,711
Tête enseignante GPT0,695
Écart entre enseignants0,016 · 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 tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetParticipatory Visual Research MethodsTravaux en français237 207