MétaCan
Menu
Retour à la cohorte
Enregistrement W4385064948 · doi:10.1080/15562948.2023.2237429

Learning Technology Systems in Everyday Life: Women’s Experiences Navigating Refugee Resettlement in the United States

2023· article· en· W4385064948 sur OpenAlexaff
Negin Dahya, María Concepción Domínguez Garrido, Stacey Wedlake, Katya Yefimova, Maleeha Iqbal

Notice bibliographique

RevueJournal of Immigrant & Refugee Studies · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Refugees, and Integration
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésRefugeeTransformative learningFocus groupEveryday lifePublic relationsSociologyEthnographyGender studiesState (computer science)Political sciencePedagogy

Résumé

récupéré en direct d'OpenAlex

This article presents findings from research on women’s lived experiences with technology in refugee resettlement. Participants include focus group discussions with 22 refugee women and interviews with 26 staff from refugee serving organizations in Washington state. We adopt a feminist socio-technical approach and draw on feminist and transformative methodologies. The research engaged participants in discussions about technology including ICTs, household appliances, transportation technology, and financial services such as ATMs. From our findings, we consider how women learn technology and learn to navigate three socio-technical ecosystems in everyday life: (1) the resettlement process (2) public daily life, and (3) home and community.

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)0,007
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,137
Score d'incertitude au seuil0,550

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,029
Tête enseignante GPT0,355
Écart entre enseignants0,326 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations9
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Immigrant & Refugee StudiesMême sujetMigration, Refugees, and IntegrationTravaux en français237 207