MétaCan
Menu
Retour à la cohorte
Enregistrement W4382653191 · doi:10.35844/001c.77373

Transforming Masculinities Through Cross-Cultural Collaboration: Reflections on Building a Community of Practice Framework

2023· article· en· W4382653191 sur OpenAlexaffabout
Liza Lorenzetti, Aamir Jamal, Rita Dhungel, Gabrielle Jamela Hosein, Sarah Thomas, Jeffery Halovorsen

Notice bibliographique

RevueJournal of Participatory Research Methods · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueYouth Development and Social Support
Établissements canadiensUniversity of the Fraser ValleyUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésTransformative learningIntersectionalityEquity (law)Public relationsSociologyPoliticsPolitical scienceWork (physics)Gender studiesPedagogyEngineering

Résumé

récupéré en direct d'OpenAlex

Interdisciplinary, local, regional, and cross-regional efforts are required to further men’s gender justice engagement on a global scale. There is limited understanding of how cross-regional collaborations account for intersectionality, geo-political differences among stakeholders, and the value of local strategies when designing and sharing prevention frameworks. Catalyzed by emerging and long-standing gender equity movements, our interdisciplinary research team from Canada, the Caribbean, Nepal, and Pakistan employed a community of practice (CoP) framework to share and mobilize research and experiential knowledge with the purpose of promoting regional and cross-regional strategies to involve men in gender justice efforts. Through a collective process, we co-created position statements, process dimensions, and key CoP activities to root our international collaboration. In this article, we emphasize the unique local contexts for our work and the learnings that emerged from our CoP. We propose a framework that can be used to advance collective and interdisciplinary agendas across global contexts and further the work of groups committed to transformative social change.

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)0,051
score de la tête « metaresearch » (Gemma)0,034
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,188
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0510,034
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0030,001
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
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 Opus0,774
Tête enseignante GPT0,733
Écart entre enseignants0,041 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeQualitatif
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

Citations2
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Participatory Research MethodsMême sujetYouth Development and Social SupportTravaux en français237 207