MétaCan
Menu
Retour à la cohorte
Enregistrement W4415472574 · doi:10.1177/10778004251377389

Doing More-Than-Human Research: Developing Qualitative Research Methods for a Multispecies World

2025· article· en· W4415472574 sur OpenAlexafffundabout
Sarah Elton, Noha Fikry, Aparna Menon, Arnika Peselmann, Carlos Sanchez Pimienta

Notice bibliographique

RevueQualitative Inquiry · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueParticipatory Visual Research Methods
Établissements canadiensUniversity of Toronto
Organismes subventionnairesPierre Elliott Trudeau FoundationSocial Sciences and Humanities Research Council of CanadaWenner-Gren FoundationToronto Metropolitan University
Mots-clésQualitative researchEthnographyOperationalizationAgency (philosophy)PraxisPosthumanismPosthumanSocial researchSituated

Résumé

récupéré en direct d'OpenAlex

Increasingly, qualitative researchers are considering the more-than-humans that Euro-Western social science largely has ignored. But if social science research methods were made for humans, how does one include everything else? In this article, five scholars describe the methodological steps they each have developed. We explore the role of onto-epistemology as an analytical tool to understand relationships between people and food-producing plants in Toronto migrant gardens; the technique of multimodal noticing used to account for animal agency in fieldwork with women who raise small livestock in Egypt; the use of time as a methodological tool to study human–plant relations in German commercial orchards; a methodological praxis that works with posthuman disability studies to become-with a disability event-assemblage; and how to operationalize the notion of ontological multiplicity in ethnographic fieldwork in a case study of a river in Mexico. These ways of conducting research may lead to innovative responses to complex global challenges.

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)0,282
score de la tête « metaresearch » (Gemma)0,123
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesMétarecherche, Études des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,279
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,2820,123
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,008
Études des sciences et des technologies0,0060,012
Communication savante0,0010,001
Science ouverte0,0020,001
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 GPT0,862
Écart entre enseignants0,099 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeQualitatif
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueQualitative InquiryMême sujetParticipatory Visual Research MethodsTravaux en français237 207