A story-net approach to qualitative research: having tea with stories!
Notice bibliographique
Résumé
Purpose The purpose of this paper is to share the story-net approach and to situate it as one that benefits from blending story as Indigenous methodology with non-corporeal actant theory (NCAT). The authors hope it will serve useful in building storytelling communities where Indigenous and non-Indigenous scholars are working to heal together from colonial trauma, reveal the inner workings of historical and ongoing colonial projects, dismantle the agency of colonial projects, and welcome heartful dialogue into the centre of MOS discourse. Design/methodology/approach The authors employ a storytelling approach which includes mapping the story-net territory and identifying the plot points along the journey. The authors use the story-net approach to story the approach. Findings This approach served helpful when engaging within story archives and with storytelling collectives comprised of both Indigenous and non-Indigenous persons, peoples and knowledges. The authors found four key premises, which help to narrate the ontology, epistemology, methodology and axiology of the story-net approach and six plot points, which help in mapping the lessons learned from engaging with stories, storytellers, story listeners and the socio-discursive contexts surrounding story-net work. Originality/value The authors story an approach that can be useful to support emerging Indigenous scholars while engaging with their non-Indigenous colleagues to do story-net work. This approach may be useful to navigate the tensions to create safer, more humane, inclusive, relational, strengths-based and trauma-informed spaces for engaging with Indigenous stories, storytellers, story listeners and discourses, as well as, to plot the points of contention so as to set the stage for deepening respectful research relations.
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 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 | 0,132 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,008 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».