MétaCan
Menu
Retour à la cohorte
Enregistrement W1171508543 · doi:10.1057/jit.2015.13

Identifying Generative Mechanisms through Affordances: A Framework for Critical Realist Data Analysis

2015· article· en· W1171508543 sur OpenAlexaff
Bendik Bygstad, Bjørn Erik Munkvold, Olga Volkoff

Notice bibliographique

RevueJournal of Information Technology · 2015
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueManagement and Organizational Studies
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésAffordanceCritical realism (philosophy of perception)Identification (biology)Construct (python library)Computer scienceGenerative grammarData scienceMechanism (biology)Strategic information systemSoft systems methodologyManagement scienceInformation systemEpistemologyOutcome (game theory)Knowledge managementRealismManagement information systemsArtificial intelligenceEngineeringHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

Critical realism has attracted increasing attention as an alternative to positivist and interpretive research for explaining contemporary phenomena. There are now several sources for information systems' (IS) scholars providing guidance on conducting critical realist studies. However, the most challenging step of a critical realist data analysis, the identification of causal mechanisms, is still insufficiently described. Identifying mechanisms is challenging. Drawing on the concept of affordances as an analytical construct offers the researcher a tool to identify and analyse mechanisms. We present a stepwise framework for identifying structural components of a mechanism, how these components interact to produce an outcome and contextual influences on this outcome. We illustrate the application of the framework through an example of the identification of IS innovation mechanisms in a case study in the airline industry. In doing so, we argue that the approach offers a methodological tool for identifying generative mechanisms, helping the researcher in conducting a more precise data analysis in empirical research.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Méthodes
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Théorique ou conceptuellow
gptaucune catégorie
Domaine: non disponible · Genre: Méthodes
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Théorique ou conceptuellow
modèles en accordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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)0,150
score de la tête « metaresearch » (Gemma)0,158
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,150
Score d'incertitude au seuil0,795

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1500,158
Méta-épidémiologie (sens strict)0,0040,002
Méta-épidémiologie (sens large)0,0030,005
Bibliométrie0,0210,011
Études des sciences et des technologies0,0070,050
Communication savante0,0210,024
Science ouverte0,0080,014
Intégrité de la recherche0,0050,009
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,074
Tête enseignante GPT0,326
Écart entre enseignants0,252 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

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

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

En bref

Citations244
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Information TechnologyMême sujetManagement and Organizational StudiesTravaux en français237 207