MétaCan
Menu
Retour à la cohorte
Enregistrement W4411501301 · doi:10.1177/16094069251354847

Reimagining Community and Knowledge: Emerging Directions in Participatory Research

2025· article· en· W4411501301 sur OpenAlexaff
Ronald Yesudhas, Bala Raju Nikku

Notice bibliographique

RevueInternational Journal of Qualitative Methods · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMental Health and Patient Involvement
Établissements canadiensThompson Rivers University
Organismes subventionnairesnon disponible
Mots-clésAccountabilityParticipatory action researchSociologyCitizen journalismPublic relationsContext (archaeology)GrassrootsCommunity engagementPolitical scienceSocial accountingPositivismPolitics

Résumé

récupéré en direct d'OpenAlex

There is a global resurgence in the field of participatory research and community engagement. The world health system crisis post pandemic, geo-political inequalities, social exclusion and ecological degradation expose the limits of development and the dominant positivist paradigm of research which captures the social world as ‘fact’ intact. Traditional top-down research known for upward accountability to donors and institutions of power, seldom take stance and support downward and lateral accountability (towards participants/ community and the researchers). There is a growing recognition of the need for approaches which focuses on participants lived experiences, share power and build research with rather than on communities. In the emerging context, learning institutions, social justice philanthropists, and grassroots community organisations are increasing calling for models of inquiry that are not only methodologically rigorous but also socially just and locally rooted. This special edition on “Participatory Research and Community Engagement” captures this pivotal moment in the evolution of research practice. The papers presented here reflect a cross-section of the dynamic efforts to respond to the complex glocal social issues through inclusive, contextually grounded, and collaborative approaches. Together, they represent a shift- as Thomas Kuhn puts it from extractive model of knowledge production and ‘development-by-accumulation’ view of science to those that prioritises co-creation, accountability and relational ethics.

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)0,059
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,161
Score d'incertitude au seuil0,969

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0590,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
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 Opus0,961
Tête enseignante GPT0,817
Écart entre enseignants0,144 · 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.

Devis d'étudeQualitatif
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 revueInternational Journal of Qualitative MethodsMême sujetMental Health and Patient InvolvementTravaux en français237 207