Using participatory video in environmental research
Notice bibliographique
Résumé
Abstract Tackling environmental challenges that face humanity requires us to acknowledge new ways of working and to cross disciplinary boundaries. However, the methodological toolkit used by environmental researchers to explore the human attitudes, knowledge and behaviours that drive global challenges such as biodiversity loss and climate breakdown remains constrained. Here, we describe participatory video, a methodology for capturing and communicating knowledge, which goes beyond interviews, focus groups and participant observation. We draw from the literature and our own experience of conducting participatory video projects in Nepal, Guyana and Peru. We demonstrate the diverse ways in which the methodology can be applied to environmental research and highlight its strengths and limitations. Participatory video provides a more holistic understanding of environmental issues by using multiple types of data, its longer‐term engagement with issues, opening channels of communication between stakeholders, engaging a diversity of knowledge systems and advocating for transformative change. By taking a participatory video approach, environmental researchers may begin to counter commonplace criticisms about lack of diversity and entrenched colonialism. This simultaneously responds to wider calls for environmental research to engage with social justice issues, represent diverse voices, understand different contexts and acknowledge the role of power. Crucially, this helps build trust amongst all those involved. By demonstrating how we have successfully used participatory video in projects in conservation, ecology and climate science, we provide guidance for researchers looking to expand their methodological toolkit. Ultimately, we seek to improve the use of participatory methods to help support communities to tackle the environmental challenges that they face. Read the free Plain Language Summary for this article on the Journal blog.
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 | 0,061 | 0,081 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,008 | 0,007 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,003 | 0,011 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,002 |
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 ».