MétaCan
Menu
Retour à la cohorte
Enregistrement W2009700225 · doi:10.3138/y413-1g62-6h6g-0l3q

Adapting to the Machine: Integrating GIS into Qualitative Research

2004· article· en· W2009700225 sur OpenAlexaffvenue
Scott Bell, Maureen G. Reed

Notice bibliographique

RevueCartographica The International Journal for Geographic Information and Geovisualization · 2004
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGeographic Information Systems Studies
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésParticipatory GISGeographic information systemVariety (cybernetics)Data scienceTraditional knowledge GISFocus (optics)GIS and public healthCitizen journalismAction researchParticipatory action researchAction (physics)Qualitative researchComputer sciencePublic participation GISManagement scienceSociologyGeographySocial scienceGIS DayWorld Wide WebCartographyEngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Geographic information systems (GIS) represent a technology developed over the past 30 years to facilitate the storage of spatial data and the solution of spatial problems. Recently, encouraging work in geography has begun to show the power of this technology for studying diverse social issues at a variety of scales. In this paper we demonstrate how social and spatial linkages might be effectively illustrated using GIS in qualitative, action-oriented research. In particular we focus on a component of the discipline that has traditionally not used GIS technology: feminist, community-based action research. We do this through a hypothetical dialogue between two geographers: a researcher with expertise in GIS and GIScience, and a researcher using feminist participatory and case-study methods who is interested in incorporating GIS into her studies. The dialogue will illustrate how a research strategy that combines GIS and qualitative methods might be advanced, using a specific study as the focus or the discussion.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,744
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0150,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0070,001
Communication savante0,0020,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,060
Tête enseignante GPT0,457
Écart entre enseignants0,397 · 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 tête enseignante, pas un consensus.

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

Citations27
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCartographica The International Journal for Geographic Information and GeovisualizationMême sujetGeographic Information Systems StudiesTravaux en français237 207