Considerations for enhancing participation and data accuracy in geospatial research in rural areas: experiences with PGIS in northern Malawi
Notice bibliographique
Résumé
Rural environments are experiencing rapid changes that must be explored to understand, enhance, and facilitate positive changes and adapt to detrimental changes. However, the information researchers can obtain about the environment to identify effective management strategies for rural resources is hindered by several factors. Participatory geospatial research presents an approach that integrates local voices to map the facts and values of rural people and represent environmental changes. Here, we draw on more than six years of participatory geospatial research in rural northern Malawi to identify and present various considerations that participatory geospatial researchers and planners should be mindful of when working with rural people to enhance participation in research and improve spatial data accuracy. Based on experiences using various research methods and activities applied in several transdisciplinary collaborative research projects, we posit that rural geospatial researchers should keenly consider i) ethical issues concerning data collection, analysis, and representation, e.g. taboos and sacred spaces, ii) integrating local spatial ecological knowledge of people about the environment, and iii) economic conflicts and gender dynamics that tend to disempower and limit participation in research and affect data quality. Considering these would build rapport between participants and researchers to facilitate active participation and data accuracy.
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 | 0,066 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,012 | 0,010 |
| Communication savante | 0,009 | 0,008 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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 ».