Adapting Arts-Based Engagement Ethnography for Different Newcomer Groups
Notice bibliographique
Résumé
Background. In 2021, Canada’s newcomer community (individuals who have arrived in Canada as immigrants, refugees, or international students within the last five years) had increased significantly to 1 in 4 people (Immigration, Refugees, and Citizenship Canada, 2023). For many newcomers, schools and communities are their first experience of Canadian culture and the site in which they learn about the norms of their host culture (Areepattamannil & Freeman, 2008; Berry et al., 2006; Rossiter & Rossiter; 2009). Methods. An arts-based engagement ethnography (ABEE) is an innovative, culturally sensitive, and multimodal approach to qualitative research conducted with underrepresented communities (Goopy & Kassan, 2019; Kassan et al., 2020). The intersection of social justice principles and ABEE form a unique research process that is participant-driven and easily adaptable to working with newcomer youth and families, allowing researchers to unearth how newcomers experience integration into Canadian society both individually and collectively. Each participant is given a set of cultural probes (e.g., iPad, diary, maps, stationary, and polaroid camera) and asked to create artifacts that document their integration experiences. The content of participants’ artifacts is used to develop individual interview protocols for each youth or family member, followed by a collective interview through focus groups with students or a family interview. Observations. Results and key learnings from current and past ABEE studies with newcomer youth and families will be presented, including cultural artifacts and integration themes. Conclusion. We present implications for researchers, as well as graduate students, practitioners, and service providers working with newcomer youth and families.
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 | 0,007 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».