MétaCan
Menu
Retour à la cohorte
Enregistrement W1981136950 · doi:10.1177/0305829810371017

Dr Strangelove, or How I Learned to Stop Worrying about Methodology and Love Writing

2010· article· en· W1981136950 sur OpenAlexaff
Wanda Vrasti

Notice bibliographique

RevueMillennium Journal of International Studies · 2010
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueQualitative Research Methods and Ethics
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésEthnographySociologyCriticismReading (process)Variety (cybernetics)Power (physics)EpistemologyField (mathematics)MonopolyAestheticsSocial scienceAnthropologyLawLinguisticsComputer sciencePhilosophyPolitical science

Résumé

récupéré en direct d'OpenAlex

This rejoinder pays special attention to two of Jason Rancatore’s main points of criticism: that I advance a purist notion of ethnography and that ethnography is a data-collection method like any other. Firstly, I defend my earlier interdisciplinary reading of ethnography, arguing that, while anthropology does not maintain a monopoly over the ‘pure’ or ‘proper’ dispensation of ethnography, the history and complexity of this practice cannot be grasped in its entirety unless we engage its ‘home field’ of anthropology. Secondly, I approach ethnography as a critique of the way in which knowledge is commonly produced and communicated within social science research. Rather than obsessing over questions of research design, ethnography is an exercise in being truthful about the distance we travel from research questions to finished manuscript, with all its doubts, epiphanies and improvisations. If the case of ethnography and IR is a strange one, as Rancatore suggests, it is because the contribution of ethnography continues to be assessed in terms of the purchase power it has for disciplinarity and not in light of the avenues it opens for making academic writing useful to a wider variety of purposes and audiences.

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)0,033
score de la tête « metaresearch » (Gemma)0,158
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,967
Score d'incertitude au seuil0,177

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0330,158
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0080,027
Communication savante0,0120,019
Science ouverte0,0040,008
Intégrité de la recherche0,0100,036
Charge utile insuffisante (le modèle a refusé de juger)0,0070,007

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 Opus0,513
Tête enseignante GPT0,600
Écart entre enseignants0,087 · 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.

Devis d'étudeThéorique ou conceptuel
DomaineMéthodes
GenreCommentaire

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

En bref

Citations26
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMillennium Journal of International StudiesMême sujetQualitative Research Methods and EthicsTravaux en français237 207