Pedagogy of community-engaged research
Notice bibliographique
Résumé
Community-engaged research (CEnR) has emerged as a transformative approach to knowledge co-creation, challenging academic hierarchies through equitable partnerships between communities and researchers. While much attention has been devoted to CEnR methodologies and ethics, less focus has been placed on how to effectively teach and learn its principles and practices. This paper presents a conceptual framework for CEnR pedagogy, outlining its foundational components rather than a full implementation strategy. The framework includes three interconnected elements that move beyond transmissive teaching toward transformative, learner-centered education. The first, Foundational Principles, addresses the “why” of CEnR education, emphasising epistemic humility, critical consciousness, relational competence, and ethical accountability. The second, Design Strategies, translates these principles into curriculum through capacity bridging, experiential learning, cultural responsiveness, and sustainability planning. The third, Teaching–Learning Practices, operationalises the framework through participatory teaching, community-based engagement, applied projects, reflexive practices, and contextual placement. Preparing researchers for authentic community engagement requires more than technical skills. It calls for critical reflexivity and relational accountability. We also acknowledge practical challenges, including institutional constraints and the risk of “lite pedagogy” that superficially incorporates CEnR principles without promoting genuine transformation. Safeguards include structured mentorship, reflective assessments, and co-teaching arrangements that center community voices. This conceptual pedagogical model supports learners in embodying CEnR’s core values while developing technical competencies, thereby strengthening both the integrity and societal relevance of community-engaged research. While the framework outlines strategies and methods conceptually, empirical testing, co-designed curricula, and evaluative metrics are future work that will require thoughtful investigation.
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 | 0,027 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,022 |
| Communication savante | 0,011 | 0,011 |
| Science ouverte | 0,004 | 0,015 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».