MétaCan
Menu
Retour à la cohorte
Enregistrement W4367678896 · doi:10.1177/26338076231172521

Leveraging identity to overcome temporal and financial limitations in rapid ethnography in criminological research

2023· article· en· W4367678896 sur OpenAlexaff
Nauman Aqil, Katharine Petrich, R. V. Gundur

Notice bibliographique

RevueJournal of Criminology · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueQualitative Research Methods and Ethics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesEconomic and Social Research Council
Mots-clésEthnographyIdentity (music)Leverage (statistics)Qualitative researchSociologyCapital (architecture)Social scienceComputer scienceAnthropologyGeography

Résumé

récupéré en direct d'OpenAlex

With limited time and funding, scholars who deploy qualitative methodologies to examine deviance and criminogenic contexts, such as ethnography, must leverage sources of capital which reduce time-arcs and costs needed for qualitative research. Traditional ethnographic projects require both significant time and funding; accordingly, several authors have indicated the utility of “rapid ethnographies”, which require less time in the field and funding. By reflecting on three rapid ethnographies, we show how identity is simultaneously a property that informs how research unfolds and a capital that can be leveraged to compensate for temporal and financial deficits. In short, we show that rapid ethnography can be conducted ethically and that identity can counterbalance deficits in monetary and temporal capital when identity is carefully considered in the pre-planning and execution of a rapid ethnographic project.

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)0,025
score de la tête « metaresearch » (Gemma)0,025
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,502
Score d'incertitude au seuil0,984

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0250,025
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,856
Tête enseignante GPT0,619
Écart entre enseignants0,238 · 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'étudeObservationnel
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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of CriminologyMême sujetQualitative Research Methods and EthicsTravaux en français237 207