An <i>Illicit</i> Way to Elicit Public Health Responses to Obstetric Violence: Poetic Inquiry of Open-Ended Survey Data
Notice bibliographique
Résumé
Sensitive areas of research require sensitive ways of inquiry. Despite the growth of research on obstetric violence, its recognition as a form of gender-based violence continues to be contested and met with resistance. As a problem stemming from gendered power imbalances, we explored obstetric violence from a critical feminist lens, situating the different parts of the exploration such as analysis, presentation and integrated knowledge translation into arts-based research. In this paper, we describe poetic inquiry as an innovative, and effective method for analyzing a large qualitative dataset of thin data on sensitive and/or controversial topics. We applied voice-centred relational analysis to 2,741 open text patient-reported narratives on obstetric violence reported in the nationwide Canadian RESPCCT survey. We present three poetry iterations: sparse IPoems, full IPoems and context poems using the Voice Centered Relational Analysis. Each type of poem and the way of reading them aims to impact the audience in distinct ways by evoking different feelings and approaches to engaging with the participants’ narratives. Drawing on principles of intersectionality theory and standpoint theory, we present a detailed description of our positionalities to give the readers an insight into how we practiced reflexivity while researching a sensitive subject. With this paper we intend to further the discourse and utility of arts-based research, particularly poetic inquiry, in analyzing and presenting open text survey responses.
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 | 0,070 | 0,136 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,009 | 0,019 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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; 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 ».