The Case for Using an Intergenerational Multi-Methods Approach in Community-Based Research
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Community-Based Participatory Action Research (CBPAR) is used in a variety of disciplines, including community development. However, intergenerational CBPAR research, particularly when using visual methods, has been uncommon in fields outside of those in the health domain. Given the success with which some health-related studies with vulnerable youth and adults from disadvantaged regions have applied this kind of research, we conducted a study using a similar approach on entrepreneurship and social and economic capacity building in a rural and remote region. Our CBPAR intergenerational multi-methods research project involved youth, adults, seniors, Elders (Indigenous spiritual leaders), and academic researchers as investigative co-leaders seeking findings useful for changing inequitable systems and practices. With these research partners, we employed a carefully selected set of qualitative data collection methods, including a variety of visual methods, designed to produce robust and actionable findings and knowledge mobilization opportunities. Our research design provided a powerful way to triangulate data while engaging with the broader community to co-produce knowledge across generations. One way we did this was through Indigenous language videos, featuring community members of all ages describing their perspectives on social and economic development in their communities. In this article, we describe how and why our intergenerational multi-methods approach helped us verify our data and enabled our partner communities to leverage the findings to enhance local wellbeing. In doing so, we develop the case for using intergenerational multi-methods approaches with visual method elements in business and other disciplines in which these methods are not often used.
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.
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 | 0,408 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle