The Merits and Pitfalls of Participatory Action Research: Navigating Tokenism and Inclusion with Lived Experience Members
Notice bibliographique
Résumé
This paper explores the merits and pitfalls of involving people with lived and living experiences of a phenomenon of interest (e.g., poverty, hunger, housing deprivation) in Participatory Action Research (PAR). As researchers who have conducted PAR and community-based research for several years, the authors have gained deep insight into the value of having lived/living experience members in PAR projects, as well as the challenges attendant to such work. Using a collaborative autoethnographic methodology, this paper provides an overview of PAR, including its purposes and objectives. Aiming to move past tokenistic inclusion, issues associated with meaningful participation, including relational (e.g., issues of power), ethical (e.g., risks of participation), emotional (e.g., research triggers), economic (e.g., remunerating contributions and financially supporting participation), representational (e.g., whose perspectives are advanced), and structural barriers (e.g., time, technological connectivity, etc.) are discussed using concrete examples. Bringing together people who may hold disparate perspectives, community ties, worldviews, and visions associated with a research undertaking can create challenges, but not including those who experience the phenomenon of study can create even more challenges.
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 | 0,408 | 0,269 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,007 | 0,005 |
| Études des sciences et des technologies | 0,021 | 0,128 |
| Communication savante | 0,030 | 0,038 |
| Science ouverte | 0,007 | 0,037 |
| Intégrité de la recherche | 0,008 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».