Engaging community members to ensure culturally specific language is used in research: should I use gay, queer, MSM, or this other new acronym?
Notice bibliographique
Résumé
Researchers often use terminology to define their participant groups that is rooted in a clinical understanding of the group's shared identity(ies). Such naming often ignores the ways that the individuals who comprise these populations identify themselves. One oft-cited benefit of patient-oriented or community-engaged research is that language is local and relevant to impacted communities. This paper aims to contribute to the literature on how this local and relevant language can best be established. We ask how researchers can identify and implement accurate terminology, even when divergent perspectives exist within the communities involved. We draw from our experience with the Expanding Plasma Donation in Canada study, a community-engaged research study, which explored the views of people impacted by the "men who have sex with men" (MSM) blood donation policies in Canada. We describe the collaborative process through which we came to a consensual naming of this population, the challenges we faced, and a set of guiding principles we used to address them. We did not find an all-encompassing term or acronym that worked for all stages of research. Instead, we offer a set of guiding principles that can aid researchers engaging in a similar process: harm reduction, consent and transparency, collaboration and community involvement, recognition of missing voices, and resisting and/or restructuring oppressive standards.
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 | 0,021 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».