MétaCan
Menu
Retour à la cohorte
Enregistrement W2070589796 · doi:10.1111/jan.12501

A case for the use of autoethnography in nursing research

2014· article· en· W2070589796 sur OpenAlexaff
Ashley L. Peterson

Notice bibliographique

RevueJournal of Advanced Nursing · 2014
Typearticle
Langueen
DomaineNursing
ThématiqueNursing education and management
Établissements canadiensUniversity of ManitobaVancouver Coastal Health
Organismes subventionnairesnon disponible
Mots-clésAutoethnographyCINAHLContext (archaeology)PsycINFONarrativeNarrative inquiryQualitative researchNursingPsychologySociologyMEDLINEMedicineSocial sciencePsychological interventionArt

Résumé

récupéré en direct d'OpenAlex

AIMS: This paper discusses the basis for and potential usefulness of autoethnography as a research method in nursing. BACKGROUND: While qualitative research in nursing has traditionally involved the researcher taking an objective stance, autoethnography, with roots in the social sciences, is an emerging method that examines the researcher's own experience in a cultural context. DESIGN: Discussion paper. DATA SOURCES: Data sources from 1979-2013 in the CINAHL, Medline and PsycInfo databases were drawn on including articles from nursing and social science journals on autoethnography and related narrative-based approaches. DISCUSSION: Autoethnography is based on the assumption that reality is multifaceted and the role of culture and context is crucial in understanding human experience. The reader is engaged through the evocation of emotion and the stimulation of reflection. IMPLICATIONS FOR NURSING: While autoethnography has thus far been little used in the discipline of nursing, it is a methodology that offers novel insights and an opportunity to examine the impact of nurses' personal and professional cultural identity on their practice. CONCLUSION: Through the use of a subjective lens, autoethnography gives nurses the opportunity to tell stories that would otherwise not be heard. It involves a courageous laying bare of the self to gain new cultural understandings and it offers the potential for nurses to learn from the experiences and reflections of other nurses.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,955
Score d'incertitude au seuil0,378

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,115
Tête enseignante GPT0,448
Écart entre enseignants0,334 · 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'étudeAutre devis
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

Citations42
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced NursingMême sujetNursing education and managementTravaux en français237 207