MétaCan
Menu
Retour à la cohorte
Enregistrement W2039177262 · doi:10.4018/jitsa.2010100203

Testable Theory Development for Small-N Studies

2010· article· en· W2039177262 sur OpenAlexaff
Matthew L. Smith

Notice bibliographique

RevueInternational Journal of Information Technologies and Systems Approach · 2010
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePublic Policy and Administration Research
Établissements canadiensInternational Development Research Centre
Organismes subventionnairesnon disponible
Mots-clésEpistemologyDevelopment theoryCausality (physics)Development (topology)Computer scienceGeneralizationRelation (database)Philosophy of scienceFocus (optics)Process (computing)Critical realism (philosophy of perception)Management scienceRealismMathematicsPhilosophyData mining

Résumé

récupéré en direct d'OpenAlex

Theory testing within small-N research designs is problematic. Developments in the philosophy of social science have opened up new methodological possibilities through, among other things, a novel notion of contingent causality that allows for contextualized hypothesis generation, hypothesis testing and refinement, and generalization. This article contributes to the literature by providing an example of critical realist (one such new development in the philosophy of social science) theory development for a small-N comparative case study that includes hypothesis testing. The article begins with the key ontological assumptions of critical realism and its relation to theory and explanation. Then, the article presents an illustrative example of an e-government comparative case study, focusing on the concept of trust, which follows these ontological assumptions. The focus of the example is on the nature and process of theory and hypothesis development, rather than the actual testing that occurred. Essential to developing testable hypotheses is the generation of tightly linked middle-range and case-specific theories that provide propositions that can be tested and refined. The link provides a pathway to feed back the concrete empirical data to the higher level (more abstract) and generalizable middle-range theories.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,880
Score d'incertitude au seuil0,314

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,084
Tête enseignante GPT0,380
Écart entre enseignants0,296 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations38
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Information Technologies and Systems ApproachMême sujetPublic Policy and Administration ResearchTravaux en français237 207