Where to begin? Grappling with how to use participant interaction in focus group design
Notice bibliographique
Résumé
Participant interaction is said to be the hallmark of the focus group method, but a number of studies suggest that the defining feature of the method is virtually absent in most focus group research. Our meta-analysis of this debate over participant interaction in the focus group literature suggests that absence of interaction data reflects a philosophical position, rather than neglect. Participant interaction is treated differently in different types of research, reflecting a tacit division between researchers who view the participants primarily as individuals sharing held truths and those who view them as social beings co-constructing meaning while in the focus group. We question the habit of making assumptions about the ‘proper’ use of participant interaction and call for further reflection on its role and usage in light of the aim of each study. We argue that the treatment of participant interaction needs to be a conscious and explicit design decision – one clearly rooted in a theoretical perspective and best suited to the research purpose. While exploring this issue, we discuss how a researcher’s lens affects how they deal with the interaction of participants, what they view as strengths and limitations of the method, and what kinds of results they end up with. We provide an overview of alternative approaches to participant interaction, offer strategies from different disciplines for analysing interaction, and propose a continuum of use demonstrating a range of options for when to use interaction.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,589 | 0,510 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,004 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,007 | 0,004 |
| Études des sciences et des technologies | 0,012 | 0,054 |
| Communication savante | 0,020 | 0,043 |
| Science ouverte | 0,012 | 0,020 |
| Intégrité de la recherche | 0,015 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».