Indigenous Statistics : From Data Deficits to Data Sovereignty
Notice bibliographique
Résumé
<p>This second edition of the groundbreaking <i>Indigenous Statistics </i>opens up a major new approach to research across the disciplines and applied fields. While qualitative methods have been rigorously critiqued and reformulated, the population statistics relied on by virtually all research on Indigenous Peoples continue to be taken for granted as straightforward, transparent numbers. Drawing on a diverse new author team, this book dismantles that persistent positivism with a forceful critique, then fills the void with a new paradigm for Indigenous quantitative methods using concrete examples of research projects from first world Indigenous Peoples in the United States, Australia, Aotearoa New Zealand and Canada. Concise and accessible, it is an ideal supplementary text as well as a core component of the methodological toolkit for anyone conducting Indigenous research or using Indigenous population statistics. This is an essential text for students studying quantitative methods, statistics and research methods. </p><p>The Open Access version of this book, available at http://www.taylorfrancis.com, has been made available under a Creative Commons Attribution-Non-Commercial-No Derivative Licence (CC-BY-NC-ND) 4.0 license.</p>
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,009 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,008 | 0,016 |
| Science ouverte | 0,030 | 0,084 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,079 | 0,073 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».