Mobilizing Global Knowledge: Refugee Research in an Age of Displacement
Notice bibliographique
Résumé
In 2018, the United Nations High Commission for Refugees documented a record high 71.4 million displaced people around the world. As states struggle with the costs of providing protection to so many people and popular conceptions of refugees have become increasingly politicized and sensationalized, researchers have come together to form regional and global networks dedicated to working with displaced people to learn how to respond to their needs ethically, compassionately, and for the best interests of the global community. Mobilizing Global Knowledge brings together academics and practitioners to reflect on a global collaborative refugee research network. Together, the members of this network have had a wide-ranging impact on research and policy, working to bridge silos, sectors, and regions. They have addressed power and politics in refugee research, engaged across tensions between the Global North and Global South, and worked deeply with questions of practice, methodology, and ethics in refugee research. Bridging scholarship on network building for knowledge production and scholarship on research with and about refugees, Mobilizing Global Knowledge brings together a vibrant collection of topics and perspectives. It addresses ethical methods in research practice, the possibilities of social media for data collection and information dissemination, environmental displacement, transitional justice, and more. This is essential reading for anyone interested in how to create and share knowledge to the benefit of the millions of people around the world who have been forced to flee their homes.
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 | 0,022 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,006 | 0,010 |
| Études des sciences et des technologies | 0,032 | 0,058 |
| Communication savante | 0,038 | 0,050 |
| Science ouverte | 0,003 | 0,045 |
| Intégrité de la recherche | 0,014 | 0,021 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 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 ».