Evidence-Based Practice and Qualitative Research: A Primer for Library and Information Professionals
Notice bibliographique
Résumé
Objective - This paper discusses the importance of qualitative research in evidence-based library and information practice (EBLIP), with a focus on practical tips for evaluating and implementing effective qualitative research projects. Methods - The paper provides a brief introduction to the nature of qualitative inquiry and its status within current models of evidence assessment. Three problems of excluding qualitative research from the evidence-base in library and information studies (LIS) are identified: 1) ignoring the social sciences and humanities traditions that inform research in the field; 2) privileging of quantitative and experimental methods over others in evidence assessment; and, 3) focusing attention away from the best evidence for LIS research problems. Results - Qualitative approaches commonly used in library and information contexts are discussed, along with strategies for assessing quality in this work and some of the common ethics-related issues that researchers and professionals must consider. Conclusions - LIS professionals are encouraged to: 1) select research methods – including qualitative approaches – that best suit LIS questions; 2) design collaborative projects that combine quantitative and qualitative approaches, that will address research questions in a more complete way; 3) consider qualitative measures of rigor in assessing quality – rather than imposing quantitative expectations; and 4) revise existing models of “evidence” to recognize the value and rigor of qualitative research projects.
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 | 0,229 | 0,183 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,009 | 0,012 |
| Études des sciences et des technologies | 0,007 | 0,038 |
| Communication savante | 0,019 | 0,026 |
| Science ouverte | 0,007 | 0,018 |
| Intégrité de la recherche | 0,014 | 0,022 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».