MétaCan
Menu
Retour à la cohorte
Enregistrement W1968399577 · doi:10.1108/13522751311289721

Visual and projective methods in Asian research

2013· article· en· W1968399577 sur OpenAlexaff
Russell W. Belk

Notice bibliographique

RevueQualitative Market Research An International Journal · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueParticipatory Visual Research Methods
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésProjective testData collectionStrengths and weaknessesContext (archaeology)Qualitative researchOriginalityComputer scienceData scienceVisual researchQualitative propertyResearch designManagement sciencePsychologySociologyGeographySocial scienceSocial psychologyEngineeringVisual arts

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this review is to offer a summary of visual and projective research methods that have been applied or may be applied fruitfully in an Asian context. Examples are provided and a delineation of the strengths and weaknesses of the methods is made. Design/methodology/approach This is a review article covering a number of different relevant methods and briefly reviewing studies that have been conducted in Asia using these methods. Findings The paper reviews five different uses of qualitative visual and projective methods in Asian consumer and market research: as archival data for analysis; as direct stimuli for data collection; as projective stimuli for data collection; as a means for recording qualitative data; and as a means for presenting qualitative findings. Research limitations/implications It is suggested that Asia contains a rich visual culture and that the research techniques reviewed offer compelling means for enhancing data collection, data analysis, and findings presentations from qualitative market and consumer research in Asia. Originality/value The paper brings together a diverse array of prior research illustrating the potential of the methods reviewed. In addition to discussing this research a number of references are provided for those wishing to examine these methods in greater detail and apply them to their own 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

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)0,071
score de la tête « metaresearch » (Gemma)0,067
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,071
Score d'incertitude au seuil0,376

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0710,067
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,010
Études des sciences et des technologies0,0050,018
Communication savante0,0100,008
Science ouverte0,0030,011
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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 Opus0,867
Tête enseignante GPT0,835
Écart entre enseignants0,031 · 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
GenreEmpirique

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

En bref

Citations29
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueQualitative Market Research An International JournalMême sujetParticipatory Visual Research MethodsTravaux en français237 207