MétaCan
Menu
Retour à la cohorte
Enregistrement W4401792744 · doi:10.15402/esj.v10i2.70858

Intersectionality in Housing Research: Early Reflections from a Community-based Participatory Research Partnership

2024· article· en· W4401792744 sur OpenAlexaffvenue
Katie MacDonald, Sara Dorow, Reisa Klein, Olesya Kochkina

Notice bibliographique

RevueEngaged Scholar Journal Community-Engaged Research Teaching and Learning · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueParticipatory Visual Research Methods
Établissements canadiensUniversity of AlbertaAthabasca University
Organismes subventionnairesnon disponible
Mots-clésIntersectionalityGeneral partnershipParticipatory action researchCommunity-based participatory researchSociologyCitizen journalismGender studiesPolitical sciencePublic relationsAnthropology

Résumé

récupéré en direct d'OpenAlex

We discuss early reflections of a housing security research project focused on implementing intersectional praxis across the life cycle of community-based participatory research. Drawing on our team’s initial Co-learning Workshop, including community and academic partners, we share initial learnings of our collective engagement with the connections between intersectionality and housing security. Specifically, we reflect on three key challenges, or “hopeful hesitations,” that have emerged as we begin our collaboration: co-defining intersectionality (including both theory and implementation); integrating intersectionality into the multi-scaled complexities of housing security; and communicating the relevance of intersectionality to a wider network of actors in housing security policy and programming. We suggest that an intersectional lens is crucial to housing security work because of the ways it attends to the everyday lived experiences of housing insecurity, the interlocking forms of oppression that create differentiated experiences, and the specific contexts in which structural housing inequities take root.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,140
score de la tête « metaresearch » (Gemma)0,139
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,140
Score d'incertitude au seuil0,743

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1400,139
Méta-épidémiologie (sens strict)0,0020,003
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0040,004
Études des sciences et des technologies0,0650,085
Communication savante0,0260,024
Science ouverte0,0080,065
Intégrité de la recherche0,0110,025
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,932
Tête enseignante GPT0,702
Écart entre enseignants0,230 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEngaged Scholar Journal Community-Engaged Research Teaching and LearningMême sujetParticipatory Visual Research MethodsTravaux en français237 207