A labour of love: Cross‐cultural research collaboration between Australia and Indonesia
Notice bibliographique
Résumé
Abstract Novel combinations of global conditions, issues under investigation and research alliances require constant reassessment of how to conduct cross‐cultural research. Here we recount an exploratory investigation considering cross‐cultural research between Australian and Indonesian researchers. This paper sets out a range of considerations for practitioners of cross‐cultural research between our two countries. This investigation supports intentions to develop trans‐disciplinary climate change adaptation research but is applicable across multiple research topics and disciplines. We engaged a small multi‐disciplinary mix of researchers, from both countries, conducted two initial focus groups, and subsequently involved participants in drafting of this paper as an exploration of how being cross cultural could manifest. We highlight that cross‐cultural collaborations occur in environments of both cultural differences and power differences. Four main strategies emerged for dealing with the challenges (or opportunities): working respectfully, being reflective of cross‐cultural research practice, being flexible, and learning about culture. Overarching these strategies, we found cross‐cultural research requires considerable extra (long term) effort to tackle and that this is sustained by researchers' intrinsic motives to care for people and place, making this type of research a distinctive labour of love. Finally, we found similarities between cross‐cultural research and climate change adaptation research (even when conducted within one country) where both endeavours call for boundaries of places, cultures and disciplines to be crossed in order to effectively engage with complex topics and environments. Negotiating the liminalities here often defies set formulas and requires a willingness to engage with and ‘muddle through’ the messiness. Our findings will be of value to those undertaking cross‐cultural research across a wide range of issues.
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 | 0,063 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,022 | 0,019 |
| Communication savante | 0,014 | 0,012 |
| Science ouverte | 0,002 | 0,024 |
| Intégrité de la recherche | 0,002 | 0,006 |
| 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 ».