Applying the Aajiiqatigiingniq Research Methodology: approaches and lessons learned through collaborative survey development and analysis
Notice bibliographique
Résumé
Aajiiqatigiingniq is an Inuit Qaujimajatuqangit principle used to discuss serious topics and come to consensus around decision-making. In working with Elders on community research issues, the Aqqiumavvik Society in Arviat, Nunavut developed the Aajiiqatigiingniq Research Methodology (ARM) as a participatory and fully inclusive Inuit research approach. We followed the ARM in establishing partnerships, and developing and facilitating a survey, to learn how Nunavut community members use and share available weather, water, ice, and climate information. The ARM guided our 5-year research process involving 19 Local Research Coordinators, along with 13 Nunavut-based, eight university, and three federal government collaborators. Through community research leadership and connecting long-term partnerships, we worked in eight Nunavut communities. In this paper, we present the opportunities and challenges of putting the ARM into practice through four research stages: (1) building relationships; (2) building shared understanding; (3) knowledge sharing; and (4) collaborative analysis. In this process, we have come to recognize our strength in connection, Local Research Coordinators as Highly Qualified Personnel, the four Rs of collaborative analysis, and the challenges of hurdling institutions. We share our approach and lessons learned to contribute to ongoing efforts and dialogue around decolonizing research and enhancing Inuit self-determination in 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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,028 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,005 |
| Études des sciences et des technologies | 0,017 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».