Relational Meanings of AI in Disability Care: An Intersectional, Arts-Based Inquiry
Notice bibliographique
Résumé
Artificial intelligence (AI) is increasingly integrated into care systems, yet little is known about how care service providers perceive and respond to AI in their service provision in the context of supporting culturally and linguistically diverse migrants with disabilities. This study draws on an intersectionality-informed, arts-based research approach to explore how care providers make sense of AI, with attention to how their perceptions are shaped by social identities, professional experiences, and media narratives. A one-act play, constructed from data collected through participatory workshops with 15 care providers, illustrates that participants engage with AI as a relational, emotionally charged, and socially situated phenomenon. Their understanding reflected intersecting experiences of racialization, migration, gender, and labor precarity, as well as exposure to dominant media portrayals of AI. Their narratives showed a mix of fear, ambivalence, and cautious optimism rooted in concern about job security and loss of relational care, alongside hopes that AI might enhance accessibility and reduce human error. The play-based format captured the dialogic, affective, and embodied dimensions of participants' meaning-making, challenging technocratic and disembodied ways of knowing about AI and care. Findings suggest that inclusive and reflective spaces are critical for care providers to engage meaningfully with AI technologies and that intersectionality must inform the design, governance, and implementation of AI in care settings.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,029 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».