MétaCan
Menu
Retour à la cohorte
Enregistrement W4411249572 · doi:10.1177/08861099251348201

Finding Freedom and Connection in Arts-Based Collaborative Autoethnography

2025· article· en· W4411249572 sur OpenAlexaff
Bridget M. Colacchio, Darren Cosgrove, Dana S. Levin

Notice bibliographique

RevueAffilia · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueParticipatory Visual Research Methods
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésAutoethnographyThe artsConnection (principal bundle)SociologyPsychoanalysisVisual artsAestheticsPsychologyArtGender studiesMathematicsGeometry

Résumé

récupéré en direct d'OpenAlex

Drawing upon embodied and feminist knowledge, arts-based research (ABR) is a methodological approach aimed at advancing work that is liberatory both in its findings and its processes. To examine this phenomenon, three social work scholars engaged in a reflective research process to study the meaning of arts-based research through a methodology blending arts, collaborative autoethnography (CAE) and phenomenology. The team explored our own experiences of using art in research, and the implications for feminist social work. This article begins with a brief overview of ABR before introducing the strategic use of art creation and discourse within our CAE. We present the findings uncovered through analysis of our qualitative data - including our own artwork - and the experiences they represent. Thematic findings include: power dynamics in research and academia as revealed through ABR, and the liberatory components of ABR. Lastly, we discuss the implications of the findings, strengths, and limitations, and suggest future research. Implications for social work practice and research include: opportunities for integrating humanistic and engaged praxis as tools of liberatory knowledge production; the promotion of feminist-based inquiry as resistance to social pressures; and the use of ABR as an anti-oppressive research approach.

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)0,003
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,256
Score d'incertitude au seuil0,418

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
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 Opus0,418
Tête enseignante GPT0,617
Écart entre enseignants0,199 · 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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAffiliaMême sujetParticipatory Visual Research MethodsTravaux en français237 207