MétaCan
Menu
Retour à la cohorte
Enregistrement W4386414613 · doi:10.15402/esj.v9i1.70800

Centering Reciprocity and Accountability in Community-Based Research: How Meaningful Relationships with a Community Advisory Group Impacted Survey Development

2023· article· en· W4386414613 sur OpenAlexaffvenue
Rebecca Godderis, Jennifer Root

Notice bibliographique

RevueEngaged Scholar Journal Community-Engaged Research Teaching and Learning · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésAccountabilityReciprocity (cultural anthropology)Inclusion (mineral)Community developmentSurvey researchAdvisory committeeQualitative researchPublic relationsResearch proposalSociologyPsychologyPolitical scienceApplied psychologySocial psychologyPublic administrationSocial science

Résumé

récupéré en direct d'OpenAlex

Community advisory boards (CAB) or groups (CAG) are frequently included in qualitative community-based research (CBR), particularly in the early phases of assessing need, impact, and design of a research project. Projects with emancipatory, liberatory, or decolonial emphases include CAGs in the spirit of inclusivity, representation, transformation, truth-telling, and participation, but the methodological value and impact of such groups often remains under-explored in reports about the research. It is also relatively uncommon to use CAGs in quantitative research. In our survey research about post-secondary instructors’ experiences of receiving student disclosures of gender-based violence, we used a time-limited, task-specific CAG to assist with survey development. In this report from the field, we discuss our approach to the inclusion of a CAG in our research, which emphasized reciprocity and accountability to community, and we explore how the use of a CAG directly impacted and strengthened the quantitative study.

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)0,973
score de la tête « metaresearch » (Gemma)0,846
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Intégrité de la recherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: Méthodes
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,830
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,9730,846
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,004
Études des sciences et des technologies0,7120,001
Communication savante0,0010,002
Science ouverte0,0020,002
Intégrité de la recherche0,0000,831
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 Opus0,885
Tête enseignante GPT0,638
Écart entre enseignants0,247 · 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
DomaineMéthodes
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

Citations1
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEngaged Scholar Journal Community-Engaged Research Teaching and LearningMême sujetHealth Policy Implementation ScienceTravaux en français237 207