Enhancing rigor and justice in genetic counseling research with reflexivity and positionality
Notice bibliographique
Résumé
In the rapidly evolving landscape of genetic counseling research, acknowledging the dynamic interplay between the researchers and the research is critical. Positionality, which encompasses how researchers' social, cultural, and professional identities intersect with their work, along with reflexive practices that promote self-awareness, emerge as essential tools in promoting transparency, rigor, and ethical integrity in research. In this article, we explore the importance of both positionality and reflexivity in genetic counseling research. By highlighting the impact of researchers' perspectives on study design, data interpretation, and knowledge translation, we seek to underscore how positionality and reflexivity can be used to confront biases and power imbalances in the research process. Our discussion extends to both qualitative and quantitative methodologies, showcasing the role of reflexive and positionality statements in enhancing research credibility, inclusivity, and justice. We have provided actionable guidance and reflective questions for constructing robust positionality statements and documenting reflexivity across research phases. Reflexive research practices may advance justice-oriented evidence that informs clinical practices, research, and the genetic counseling profession more broadly. At the same time, we must balance the need to disclose privilege and biases with the imperative to protect marginalized individuals from potential exploitation and harm, ensuring these disclosures do not reinforce existing power imbalances nor compromise safety and autonomy. By advancing reflexivity and positionality, this article advocates for a justice-centered approach to genetic counseling research, ensuring a more representative and ethically responsible body of knowledge.
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 | 0,654 | 0,635 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,008 | 0,005 |
| Études des sciences et des technologies | 0,015 | 0,136 |
| Communication savante | 0,036 | 0,040 |
| Science ouverte | 0,006 | 0,035 |
| Intégrité de la recherche | 0,011 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».