Decolonizing the Presentation of Research Findings: Amplifying Epistemic Authority Through Poetic Re-Storying
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
<p>Western-centric epistemologies are often deemed to be more legitimate than non-western ones for driving academic research and knowledge production. As a result, non-western epistemologies are often colonized or silenced during the research process. Decolonizing research practices, such as robust collaboration, mutual respect, mindful listening, and co-constructed interviews offer meaningful opportunities for researchers vested in engaging in research which honors and amplifies a diversity of storied experiences and non-dominant epistemologies. This paper focuses on decolonizing research report writing through poetic re-storying and will include a rationale for and excerpts from a poetic re-storying of research findings from a narrative inquiry project with Parvana, an Afghan woman who until recently was living in Afghanistan; the narrative study is theoretically and conceptually informed by postcolonial feminist theory and the decolonization of research methods. By carefully and collaboratively crafting the research findings in poetic form using original excerpts from open-ended interviews, co-constructed interview conversations, Parvana’s written stories, conversations about artifacts, and other data sources, Parvana and I worked together to amplify and honor her epistemic authority and literacy practices. In addition to presenting the research findings in research participants’ own words, creative re-storying through poetry makes research findings accessible to academic and non-academic audiences alike while also cultivating emotional engagement and empathy.</p>
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.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 découle