MétaCan
Menu
Retour à la cohorte
Enregistrement W1992914480 · doi:10.4212/cjhp.v67i6.1406

Qualitative Research: Getting Started

2014· article· en· W1992914480 sur OpenAlexvenueno aff
Zubin Austin, Jane Sutton

Notice bibliographique

RevueThe Canadian Journal of Hospital Pharmacy · 2014
Typearticle
Langueen
DomaineHealth Professions
ThématiqueObesity and Health Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLibrary scienceComputer science

Résumé

récupéré en direct d'OpenAlex

As scientifically trained clinicians, pharmacists may be more familiar and comfortable with the concept of quantitative rather than qualitative research. Quantitative research can be defined as “the means for testing objective theories by examining the relationship among variables which in turn can be measured so that numbered data can be analyzed using statistical proce dures”. 1 Pharmacists may have used such methods to carry out audits or surveys within their own practice settings; if so, they may have had a sense of “something missing” from their data. What is missing from quantitative research methods is the voice of the participant. In a quantitative study, large amounts of data can be collected about the number of people who hold certain attitudes toward their health and health care, but what qualitative study tells us is why people have thoughts and feelings that might affect the way they respond to that care and how it is given (in this way, qualitative and quantitative data are frequently comple mentary). Possibly the most important point about qualitative research is that its practitioners do not seek to generalize their findings to a wider population. Rather, they attempt to find examples of behaviour, to clarify the thoughts and feelings of study participants, and to interpret participants’ experiences of the phenomena of interest, in order to find explanations for human behaviour in a given context.

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)0,228
score de la tête « metaresearch » (Gemma)0,273
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,772
Score d'incertitude au seuil0,952

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2280,273
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0050,006
Études des sciences et des technologies0,0080,011
Communication savante0,0140,017
Science ouverte0,0050,017
Intégrité de la recherche0,0080,012
Charge utile insuffisante (le modèle a refusé de juger)0,0430,013

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 Opus0,349
Tête enseignante GPT0,610
Écart entre enseignants0,261 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
DomaineMéthodes
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

Citations429
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Hospital PharmacyMême sujetObesity and Health PracticesTravaux en français237 207