MétaCan
Menu
Retour à la cohorte
Enregistrement W4403393736 · doi:10.1080/10428232.2024.2413325

Storytelling for Social Justice: Reconceptualizing Invisibility, Legitimacy, and Self-Censorship via <i>Stories of Failure</i>

2024· article· en· W4403393736 sur OpenAlexaff
John C. Hayvon

Notice bibliographique

RevueJournal of Progressive Human Services · 2024
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueRhetoric and Communication Studies
Établissements canadiensSocial Sciences and Humanities Research CouncilUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésInvisibilityLegitimacyStorytellingSociologyEconomic JusticeCensorshipGender studiesSocial justiceSocial psychologyCriminologyNarrativePolitical sciencePsychologyLawArtPoliticsLiteratureOptics

Résumé

récupéré en direct d'OpenAlex

Building upon scholarship on stories – including oral-history and oral-tradition – this article considers often-silenced narratives in the form of stories of failures. Comparison between empirical research and qualitative methodologies highlight value of fictional storytelling, which has been mobilized by researchers to protect the anonymity of vulnerable groups and the intersectionally marginalized in research. While hierarchies in power lead to self-censorship and self-delegitimization as observed by bell hooks and Paulo Freire, stories of failure may resist social pressures to present successes – which in themselves have led to widely disseminated cases of academic fraud. Additionally, stories of failures may help acknowledge Kemmis and Mezirow’s considerations of negative emotions as valid, toward resolution, resistance, and social change. Stories may help elucidate the hidden curriculum, which confounds efforts toward social justice under Rawlsian theories. Lastly, these stories may elucidate the impacts of interest convergence under critical race theory, towards the promotion of social justice intersectionally.

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)0,023
score de la tête « metaresearch » (Gemma)0,041
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 enseignants0,023
Score d'incertitude au seuil0,123

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0230,041
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,002
Études des sciences et des technologies0,0130,070
Communication savante0,0200,027
Science ouverte0,0030,014
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,068
Tête enseignante GPT0,339
Écart entre enseignants0,271 · 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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Progressive Human ServicesMême sujetRhetoric and Communication StudiesTravaux en français237 207