Bringing an Equity Lens to Participant Observation in Critical Ethnographic Health Research
Notice bibliographique
Résumé
Critically-oriented health research often engages participants whose lives are shaped by structural inequities and structural violence. As scholars who engage in critical theoretical, praxis-oriented research, including research with social justice and decolonizing aims, we are cognizant of the histories of exploitation and structural violence often perpetuated through research. To engage in research that effectively promotes health equity, we are increasingly aware of the necessity of critical research approaches that include processes for engaging in data collection that are respectful, affirming, and minimize harm, and that illuminuate unequal relations of power, challenge the status quo, and contribute to social change. The aim of this paper is to explore participant observation as a method of data collection in critical ethnographic health research with people impacted by structural violence and inequity. Our premise is that it is not possible to conduct research that exposes structural violence, marginalization and social injustices without also critically examining our research processes. To illustrate, we weave together our experiences of conducting critical ethnographic work in diverse contexts to examine the complexities of conducting participant observation with people impacted by structural violence, surfacing the tensions between the potential for harm in research, and strategies for promoting equity. Specifically, we present our collective analysis of how observational practices can reproduce stigma, exacerbate harms associated with methodological and academic colonialism, thereby contributing to epistemic violence, and how participant observation can be deployed in ways that prevent and mitigate such harms. Despite the inherent challenges and complexities, we see immense value in critical ethnographic research that includes participant observation, and we join others in advocating for trauma-, violence-, and justice-informed approaches to critical ethnographic research.
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 | 0,138 | 0,114 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,015 | 0,097 |
| Communication savante | 0,019 | 0,027 |
| Science ouverte | 0,004 | 0,022 |
| Intégrité de la recherche | 0,007 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; 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 ».