Обзор онлайн-этнографических исследований сообществ людей с инвалидностью
Bibliographic record
Abstract
В статье представлен обзор исследований сообществ людей с инвалидностью в разрезе онлайн-этнографии как методологической стратегии. Этнография, традиционно применяемая в изучении социально уязвимых групп, существенно видоизменяется в цифровых контекстах. Виртуальная коммуникация, являющаяся особенно важной для людей с физическими или ментальными ограничениями, не может быть изучена с помощью привычного для этнографического исследования инструментария. Включенное наблюдение, составляющее методологическую основу этнографического подхода, трансформируется в онлайн-наблюдение, которое не имеет строго определенных стандартов проведения. В условиях достаточно размытых представлений о принципах, процедурах и результатах онлайн-этнографии сформировались разные стили онлайн-этнографического исследования. Отталкиваясь от степени взаимосвязи с офлайн-контекстом в этом обзоре выделяются два ключевых формата онлайн-этнографического исследования – мультимодальная и цифровая этнографии. На их основе строится анализ онлайн-этнографий, посвященных отдельным кейсам сообществ людей с инвалидностью. Проведенный анализ показывает, что реализация исследований онлайн-сообществ в формате мультимодальной этнографии способствует более глубокому погружению исследователя в поле, и как следствие, пониманию трудностей, с которыми сталкиваются люди с ограниченными возможностями в своей повседневной жизни. Цифровые этнографии могут быть полезны в случае, если стоит задача изучить взаимодействия в пределах онлайн-площадки, оценить инклюзивность среды и выделить функции, которые выполняет площадка по отношению к разным категориям участников: людям с инвалидностью, их родственникам, общественным активистам и социальным работникам. Помимо методологических особенностей в статье также обсуждаются вопросы этики, связанные с проведением этнографических исследований в онлайн-среде. В контексте изучения социально уязвимых групп риски возможных последствий исследования для информантов существенно возрастают. В качестве решения предлагается подвергать полевые материалы анонимизации и не использовать прямых цитат, если они затрагивают сензитивные темы или содержат конфиденциальную информацию.
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
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 | 0.003 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.004 | 0.007 |
| Scholarly communication | 0.012 | 0.006 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.050 | 0.017 |
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, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".