MétaCan
Menu
Retour à la cohorte
Enregistrement W1589238559 · doi:10.1177/160940691501400107

Exploiting the Qualitative Potential of Q Methodology in a Post-Colonial Critical Discourse Analysis

2015· article· en· W1589238559 sur OpenAlexaff
Lydia Burke

Notice bibliographique

RevueInternational Journal of Qualitative Methods · 2015
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueQ Methodology Applications
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésSociologyQualitative researchDiscourse analysisEpistemologyInterpretation (philosophy)Representation (politics)Value (mathematics)Theme (computing)Perspective (graphical)Critical discourse analysisRepertoireAdaptation (eye)Computer scienceManagement scienceEngineering ethicsSocial scienceLinguisticsPsychologyArtificial intelligencePolitical science

Résumé

récupéré en direct d'OpenAlex

This conceptual article describes an approach I have taken when exploring the discourse associated with the teaching and learning of high school science in a given Caribbean location. Using a lens of post-colonial theory to guide the entire project, I employed an adaptation of the standard interpretation of Q methodology as part of a critical discourse analysis. In this article, I support and extend Shinebourne's (2009) representation of Q methodology as a means of “expanding the repertoire of qualitative research methods” (p. 93), as described in a previous issue of this journal. Given the challenging nature of the research theme and the analytic perspective that I employed as a researcher, the standard Q methodology protocol was augmented, whilst retaining the essential attributes of Q technique. This approach proved engaging for participants and was fruitful in providing insight into the tensions between shared and particular participant perspectives. The resultant research strategy described in this article would be of particular interest to researchers from a qualitative background, particularly those working within a post-foundational framework, who would value support in conducting a critical discourse analysis.

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)0,133
score de la tête « metaresearch » (Gemma)0,117
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,133
Score d'incertitude au seuil0,703

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1330,117
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,006
Études des sciences et des technologies0,0090,034
Communication savante0,0120,012
Science ouverte0,0030,013
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,914
Tête enseignante GPT0,782
Écart entre enseignants0,133 · 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
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

Citations10
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Qualitative MethodsMême sujetQ Methodology ApplicationsTravaux en français237 207