Injustices épistémiques et recherche participative: un agenda de recherche à la croisée de l’université et des communautés
Bibliographic record
Abstract
Cet article présente un cadre d’analyse innovant ancré dans le concept d’injustices épistémiques pour évaluer les recherches participatives. Composé d’une méthodologie de travail et d’un outil d’autoévaluation, ce cadre d’analyse a été développé au fil d’un processus participatif de production et de mobilisation des savoirs qui a pris place au cours des deux dernières années. L’équipe multidisciplinaire ayant entrepris ce processus est composée des chercheur-es et des représentant-es du Groupe de recherche et de formation sur la pauvreté au Québec travaillant à l’élaboration d’un programme scientifique de recherche sur les injustices épistémiques et les recherches participatives. Nous défendons que les recherches participatives peuvent contribuer à apporter des réponses coconstruites entre les milieux universitaires et communautaires à certaines injustices sociales – dans le cas présent, les injustices épistémiques – qui sont enchâssées dans les processus de production des connaissances. De notre point de vue, les recherches participatives constituent des laboratoires permettant d’observer et de comprendre la production des injustices épistémiques et, le cas échéant, d’offrir des leviers pour les réduire grâce à la construction de ponts entre les différentes personnes et les savoirs qu’elles détiennent. L’article est centré sur la présentation de deux dimensions de notre travail: (1) La méthodologie que nous avons mise sur pied pour bâtir des espaces de coapprentissage à la croisée de l’université et des organismes communautaires et (2) Un guide d’autoévaluation disponible en accès libre que nous avons bâti durant notre démarche afin d’aider les universitaires et leurs partenaires à s’engager dans une évaluation réflexive des processus participatifs de recherche du point de vue des injustices épistémiques. L’article met également de l’avant des défis inhérents à l’élaboration de ce programme de recherche ainsi que des réponses que nous avons pu leur apporter, et se termine par des réflexions sur les enjeux clés ayant émergé en cours de route.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Direct model labels (unvalidated)
Per-model category and study-design labels from the labeling rounds. They are machine output, unvalidated, and the disagreement between models ships as data. No study design here is MEDLINE-validated yet.
| Model arm | Categories | Study design | Confidence |
|---|---|---|---|
| gemma | Science and technology studies Domain: not available · Genre: Empirical About the Canadian research system: no · About a Canadian topic: no | Theoretical or conceptual | low |
| gpt | MetaresearchScience and technology studies Domain: Methods · Genre: Commentary About the Canadian research system: no · About a Canadian topic: no | Theoretical or conceptual | high |
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.100 | 0.082 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.007 | 0.008 |
| Science and technology studies | 0.018 | 0.045 |
| Scholarly communication | 0.030 | 0.028 |
| Open science | 0.004 | 0.013 |
| Research integrity | 0.007 | 0.011 |
| Insufficient payload (model declined to judge) | 0.009 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedLabeled directly by 2 models reading the full record.
The models disagree on parts of this classification; every voice is preserved in the section at the end of the page.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".