From Field Notes, to Transcripts, to Tape Recordings: Evolution or Combination?
Notice bibliographique
Résumé
For researchers doing qualitative research, interviews are a commonly used method. Data collected through interviews can be recorded through field notes, transcripts, or tape recordings. In the literature, there is a debate regarding which of these recording methods should be used. There are issues of reliability, cost (time and money), loss of data, among others. Technology plays a pivotal role in this debate. Indeed, new technologies (e.g., direct coding) are often seen as potential replacements for older technologies (e.g., transcripts), which leads to a debate that is based on an evolution narrative (from field notes, to transcripts, to working from tape recordings). This article argues that a combination narrative should be considered where combination is better than substitution. Moreover, combining the advantages of field notes, transcripts, and working from tape recordings without accumulating each method's disadvantages is possible because of new technology. To support this argument, two technological tools (OneNote and SmartPen) are presented as a way to increase the effectiveness, efficiency, and economy of qualitative data management.
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 | 0,263 | 0,327 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,011 | 0,018 |
| Études des sciences et des technologies | 0,005 | 0,020 |
| Communication savante | 0,020 | 0,041 |
| Science ouverte | 0,005 | 0,016 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».