MétaCan
Menu
Retour à la cohorte
Enregistrement W7125492665 · doi:10.1080/14649357.2025.2592585

‘Together We Know a Lot’: A Reflective Case Study of Social Learning Through Participatory Action Research

2025· article· en· W7125492665 sur OpenAlexaff
Andi Binet, Vedette Gavin, Dina Abreu, Carl Baty, Mitikei Chengerei, Josée Genty, Will Justice, Araceli Tepoz Mendez, Gail Roderigues, David M. Underhill, Kelsey Salmon Schreck, Mariana Arcaya

Notice bibliographique

RevuePlanning Theory & Practice · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueParticipatory Visual Research Methods
Établissements canadiensImpactUniversity of British Columbia
Organismes subventionnairesRobert Wood Johnson Foundation
Mots-clésParticipatory action researchAction researchAction (physics)Citizen journalismSocial learningAction learningExperiential learning

Résumé

récupéré en direct d'OpenAlex

This paper examines the social learning process among a group of community resident and academic researchers working together on a Participatory Action Research study exploring the relationship between urban development and community health. Through a reflective case study of our collaborative data analysis team’s work, we highlight key social learning dynamics on our team, as well as key enabling conditions that fostered social learning. We offer considerations for intentionally designing social learning processes to enhance the contributions of community engagement in research and practice, and explore the implications of our findings for strengthening the relationship between knowledge and action in planning.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,057
score de la tête « metaresearch » (Gemma)0,080
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,057
Score d'incertitude au seuil0,302

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0570,080
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0380,032
Communication savante0,0110,012
Science ouverte0,0060,014
Intégrité de la recherche0,0080,011
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,809
Tête enseignante GPT0,750
Écart entre enseignants0,059 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePlanning Theory & PracticeMême sujetParticipatory Visual Research MethodsTravaux en français237 207