Two-Eyed Seeing in Knowledge Synthesis: Weaving together Western scoping review methods with Indigenous storytelling to explore Indigenous approaches to harm reduction
Notice bibliographique
Résumé
Using methodological approaches rooted in Indigenous ways of knowing and being can help to ensure that research findings are relevant and useful to Indigenous communities, while providing evidence for more responsive public health policy and practice. This article explores a practical application of a Two-Eyed Seeing approach in knowledge synthesis as part of Phase I of the First Nation Health Authority’s Indigenizing Harm Reduction Study. The Study aims to develop a First Nations harm reduction framework rooted in community knowledges in response to the disproportionate harms of the toxic drug emergency on First Nations people in British Columbia (BC). Our approach prioritized Indigenist research methods, centering relationality and storytelling in knowledge gathering, analyses, and validation activities, while weaving in a Western scoping review methodology. The literature review explored harm reduction among Indigenous communities globally. Conversational interviews and questionnaires gathered knowledge from individuals who identified as First Nations people who access harm reduction services or individuals who provide harm reduction services to First Nations people in BC. Weaving together these knowledge systems helped our team to develop a more wholistic understanding of existing harm reduction approaches and current needs of First Nations communities in BC, grounded in Indigenous values and lived experiences. This culturally relevant approach to knowledge synthesis contributes to the knowledge base on Indigenous research methodologies and presents a practical Two-Eyed Seeing framework for weaving together both academic and community-based evidence within healthcare contexts. We share this methodology as an offering for both Indigenous and settler scholars, care providers, and decision makers working in health to privilege Indigenous knowledges in developing evidence-informed policies and practices.
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 | 0,425 | 0,441 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,026 | 0,016 |
| Études des sciences et des technologies | 0,011 | 0,029 |
| Communication savante | 0,027 | 0,030 |
| Science ouverte | 0,007 | 0,033 |
| Intégrité de la recherche | 0,009 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».