What People Call People: Language and Reflexivity in Participatory Research
Notice bibliographique
Résumé
Background: Participatory research, which includes community-based research, patientoriented research, and citizen science, is an investigative approach that engages community stakeholders as partners in the research process. The increased prominence of participatory research in the world of science signals change, however, there is a noted absence of data that captures who academic researchers are engaging in participatory research, and what language is ascribed to community partners. Methods: Through Shift: Working for Change in Participatory Research, a survey invitation was sent to 5,480 principal investigators funded by Canadian Tri-Council agencies between 2013-2018. The survey included questions about community stakeholders and their research roles, remuneration, and researcher demographics. Open-text responses were inductively double-coded using in-vivo content analysis. Results: 1,005 survey respondents who conducted participatory research were asked two questions about community stakeholders: “Which community stakeholders were involved in this participatory research study?” and “What terminology do you generally use to refer to the community stakeholders on your team?”. In addition to selecting from a list of response options such as “community researchers”, and “peer researchers”, respondents provided 440 open-text responses. Terms referred to a variety of different community partners, including people in the education, arts, governance, health, industry, and social justice sectors. Conclusion: Academic researchers used multiple terms to refer to community collaborators. Knowing this, we hope to examine how power differentials are created and maintained through language, amplify voices that have been historically excluded from science, and advocate for researchers to be mindful of language choices when referring to community partners.
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 | 0,353 | 0,310 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,023 | 0,209 |
| Communication savante | 0,036 | 0,042 |
| Science ouverte | 0,007 | 0,030 |
| Intégrité de la recherche | 0,014 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».