MétaCan
Menu
Retour à la cohorte
Enregistrement W4406854151 · doi:10.1139/as-2024-0038

“Everyone wears mitts”: reflections on the use of metaphors in knowledge co-production in Nunavut, Canada

2025· article· en· W4406854151 sur OpenAlexafffundvenueabout
Nicolas D. Brunet, J. E. Milton, Sarah-Anne Thompson, Michael Milton, Dominique Henri, Shelly Elverum

Notice bibliographique

RevueArctic Science · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage, Metaphor, and Cognition
Établissements canadiensEnvironment and Climate Change CanadaUniversity of Guelph
Organismes subventionnairesCanada Research Coordinating CommitteePolar Knowledge Canada
Mots-clésProduction (economics)Knowledge productionSociologyKnowledge managementComputer scienceEconomics

Résumé

récupéré en direct d'OpenAlex

Co-production has emerged as foundational to meaningful community-based Arctic research, placing Inuit leadership as central to knowledge creation. When founded upon strong relationships, co-production incorporates Indigenisation into research design, theoretical basis, data collection, and analytical strategies. Here, we discuss and reflect on our experiences using metaphor as a bridge to meaningful engagement and knowledge co-production between southern-based researchers and an Inuit youth team. As a guiding metaphor for this project, we used the process of “making mitts” ( pualungnit in Inuktitut; pualuk meaning “mitten”), from identifying a need, to the action of crafting and using them. Our work indicates that metaphors can be very useful in facilitating knowledge co-production in a cross-cultural context by being adaptive to youth needs and overlaying the familiar and the unfamiliar. The introduction of the “mitt” metaphor led to a completely novel creation process where youth contributors felt empowered, even compelled, to critique the work undertaken, freely and honestly without fear of repercussion or embarrassment. In discussing the process of sewing mitts, they stepped into the role of experts. As a result, the metaphor facilitated the creation of accessible and safe spaces within which to work and build relationships.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,650
Score d'incertitude au seuil0,720

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,082
Tête enseignante GPT0,361
Écart entre enseignants0,279 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2025
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueArctic ScienceMême sujetLanguage, Metaphor, and CognitionTravaux en français237 207