Antiracism in appreciative inquiry: Generative tensions and collective reflexivity
Notice bibliographique
Résumé
Appreciative inquiry is an action research methodology focused on revealing an organization's positive core. As a cross-racial team of antiracist researchers, we were drawn to appreciative inquiry due to its congruences with community-based research perspectives on power-sharing and co-constructing knowledge. Our collaborative reflexivity brought us to question whether Appreciative inquiry's hyper-focus on positivity would fit our antiracist research paradigm. We articulate reflections of how antiracism theory informed our approach to Appreciative inquiry in a study on the experiences of predominantly racialized settlement workers in schools during the COVID-19 pandemic. We explain how we negotiated tensions between Appreciative inquiry's focus on positivity and our antiracist framing, in a Canadian settler colonial context where institutional expectations to ignore racism and collapse diversity, loom large. Without a theoretical framework that attends to racism and power, Appreciative inquiry may not fulsomely address participants' transnational knowledges, nor experiences outside of a positive/negative binary. In our elucidation of how critical reflexivity on racism allowed us to integrate antiracism into Appreciative inquiry, we demonstrate the value of first-person action research for expanding the social justice aims of research.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,066 | 0,080 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,016 | 0,130 |
| Communication savante | 0,020 | 0,014 |
| Science ouverte | 0,004 | 0,023 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».