Embedding Intersectionality Values in Citizen Science Research: The Socio-Scientific Progression by Leveraging on Intersectionality and Citizen-Led Equity-Driven (SPLICE) Research Framework
Notice bibliographique
Résumé
Intersectional theory effectively highlights the need to address the most marginalised communities through research, identifying key areas of privilege and oppression, and confronting it through praxis to advance social justice. Attempts at operationalising the theory for implementation have been diverse, but systematic frameworks to operationalise intersectionality remain sparse. This study seeks to provide a framework to operationalise the implementation of intersectionality in health equity research. Embedded within a citizen science approach, this paper suggests the use of the Socio-Scientific Progression by Leveraging on Intersectionality and Citizen-led Equity-driven (SPLICE) Research Framework, which aims to operationalise values of intersectionality into seven key principles for implementation throughout the research process: “Research Co-Creation,” “Safety For All,” “Reflexivity,” “Growth for All,” “Dynamic Ecological Context,” “Interlocking Systems of Oppression,” and a “Community-First Approach”. This paper takes reference to a collaboration research case study example investigating the use of Theatre of the Oppressed for Gay, Bisexual and Queer (GBQ) Singaporean men in 2023, to consider how this framework was developed and can be implemented in research studies. An accompanying checklist is developed to guide researchers in their implementation of the SPLICE framework.
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 | 0,305 | 0,150 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,013 | 0,009 |
| Études des sciences et des technologies | 0,025 | 0,189 |
| Communication savante | 0,046 | 0,047 |
| Science ouverte | 0,006 | 0,073 |
| Intégrité de la recherche | 0,010 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».