Who participates in research, and why? A response to K. M. Kim & E. Chen’s “Toward research inclusivity in applied linguistics: A reflection and methodological guideline for inclusive online experimentation”
Notice bibliographique
Résumé
As Kim and Chen have shown, online outreach and experimentation have been somewhat effective strategies for reaching out to and recruiting populations not typically found on university campuses and other research hubs. In this response, I hope to expand and complexify the conversation by considering the following questions: Who participates in research, and why? In the first section, I draw on Bourdieu (Bourdieu & Wacquant, 1992; Grenfell, 2014) and argue that research is a kind of social practice emerging from the dialectic alignment between individual habitus and the social field of research. I posit that, unless certain aspects of the field of research change, some people remain unlikely to participate in research. In the second section, I discuss the critical and ethical ramifications of using social media networks and crowdsourcing platforms like Amazon Mechanical Turk and Prolific to recruit research participants. I argue that, by shifting the practice of research participation from the field of research to the fields of social media and gigified capitalism, new logics are introduced that threaten concepts that are vital to the ethical generation of valid data through research, including participant wellbeing and voluntary consent.
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 | 0,061 | 0,175 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,018 | 0,033 |
| Communication savante | 0,017 | 0,032 |
| Science ouverte | 0,007 | 0,020 |
| Intégrité de la recherche | 0,054 | 0,077 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,005 |
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 ».