Resisting scientific extractivism: A post-extractivist policy of knowledge production with marginalized communities
Notice bibliographique
Résumé
This article analyses scientific extractivism as a research process in which the experiences, discourses and knowledge of members of marginalised social groups are subalternised, i.e. reduced to raw data appropriated by academics. What has been captured and assimilated is then largely reinjected into closed circuits operating essentially between academics, from which marginalised communities are largely excluded. Ultimately, extractivism produces scientific careers and minefields; it confers disproportionate benefits to academics and little or no benefit on communities in material support, intellectual credit, or contribution to social struggles, which may lead them to turn away from academia. This analysis then raises the importance of developing post-extractivist approaches in the social sciences, based on an ethics of knowledge production rooted in the concepts of epistemic justice, reciprocity and accountability. I introduce a set of post-extractivist research postures and practices: clarifying and negotiating expectations of research projects; promoting a relational ethics on issues of epistemic and social justice in the production of knowledge with communities; countering the subalternisation of knowledge by reconsidering the teaching of qualitative methodologies in the social sciences; valuing reciprocity and accountability towards communities; and reconsidering the logic of careers and the functioning of our academic institutions. This analysis is based on pioneering work on this subject, particularly in a context of the relationship between the Global North and the Global South, such as those of Rivera Cusicanqui (2010), Tuhiwai Smith (2012), Betasamosake Simpson (Klein 2013), Gudynas (2013) or Grosfoguel (2016a, 2016b). They are also informed by my experience in participatory research with community-based organisations that work with marginalised communities in the field of the fight against poverty, homelessness and mental health in Quebec (Canada).
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».