MétaCan
Menu
Retour à la cohorte
Enregistrement W4367834402 · doi:10.1002/ajcp.12678

Identifying abolitionist alignments in community psychology: A path toward transformation

2023· article· en· W4367834402 sur OpenAlexafffund
Andrea L. DaViera, Caroline Bailey, Davielle Lakind, Natalie Kivell, Fitsum Areguy, Kymberly Byrd

Notice bibliographique

RevueAmerican Journal of Community Psychology · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueCommunity Health and Development
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesSociety for Community Research and ActionPartenariat Canadien Contre Le Cancer
Mots-clésCommunity psychologyEmpowermentSociologyField (mathematics)IdeologyBeneficenceSocial psychologyEpistemologyLawPsychologyPolitical scienceAutonomy

Résumé

récupéré en direct d'OpenAlex

Psychology is grounded in the ethical principles of beneficence and nonmaleficence, that is, "do no harm." Yet many have argued that psychology as a field is attached to carceral systems and ideologies that uphold the prison industrial complex (PIC), including the field of community psychology (CP). There have been recent calls in other areas of psychology to transform the discipline into an abolitionist social science, but this discourse is nascent in CP. This paper uses the semantic device of "algorithms" (e.g., conventions to guide thinking and decision-making) to identify the areas of alignment and misalignment between abolition and CP in the service of moving us toward greater alignment. The authors propose that many in CP are already oriented to abolition because of our values and theories of empowerment, promotion, and systems change; our areas of misalignment between abolition and CP hold the potential to evolve. We conclude with proposing implications for the field of CP, including commitments to the belief that (1) the PIC cannot be reformed, and (2) abolition must be aligned with other transnational liberation efforts (e.g., decolonization).

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)0,010
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche
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 enseignants0,690
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,007
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 Opus0,208
Tête enseignante GPT0,543
Écart entre enseignants0,336 · 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

Citations6
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Community PsychologyMême sujetCommunity Health and DevelopmentTravaux en français237 207