Research Models, Community Engagement, and Linguistic Fieldwork: Reflections on Working within Canadian Indigenous Communities
Notice bibliographique
Résumé
This paper reflects on different research models in linguistic fieldwork and on different levels of engagement in and with language-speaking communities, focusing on the Canadian context. I begin by examining a linguist-focused model of research: this is language research conducted by linguists, for linguists; the language-speaking community’s participation is limited mostly to being the source of fluent speakers, and the level of engagement in the community by a linguist is relatively small. I then consider models that involve more engaged and collaborative research, and define the Community-Based Language Research model which allows for the production of knowledge on a language that is constructed for, with, and by community members, and that is therefore not primarily for or by linguists. In CBLR, linguists are actively engaged partners working collaboratively with language communities. Collaborative models of research seem to be closest in spirit to models advocated by Indigenous groups in Canada and elsewhere. I reflect here on (1) why one might choose to work within a collaborative research model, and (2) what some of the challenges are that linguists face when they conduct research collaboratively. In a broad sense the purpose of this paper is to think through some questions that an “outsider” linguist might face when undertaking linguistic research in an Indigenous community today.
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 | 0,036 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,124 | 0,076 |
| Communication savante | 0,024 | 0,009 |
| Science ouverte | 0,007 | 0,025 |
| Intégrité de la recherche | 0,007 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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 ».