Storytelling and the interpretation of meaning in qualitative research
Notice bibliographique
Résumé
AIM: This paper reviews literature on narrative analysis and illustrates the meaning-making function of stories of chronic illness through analysis and discussion of two case studies from a study of acute episodes of chronic obstructive pulmonary disease (COPD). BACKGROUND: Individuals living with COPD experience acute exacerbations characterized by extreme dyspnea, but there has been little research to provide understanding of these events from the perspectives of individuals with COPD, family caregivers, and nurses. Narrative analysis -- considered in the context of the aims of qualitative research -- illuminates how these people make sense of acute exacerbation events by telling stories. DESIGN AND METHODS: In an ethnographic study, 10 patient-family nurse units in two Canadian general hospitals participated in interviews concerning acute episodes of COPD. Narrative analysis enabled identification of several story forms and their functions. RESULTS: Examples were found of a story told twice with different meanings, and of a patient's 'death story' used to communicate distrust of the nurse's ability to recognize the seriousness of distress and implications for its potential course. These examples are presented, and interpreted with respect to issues of meaning. CONCLUSIONS: The analysis indicates that stories told by patients in the context of nurse-client interactions inform understanding of the individual's acute exacerbation events beyond the biophysical.
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 | 0,130 | 0,123 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,013 | 0,061 |
| Communication savante | 0,016 | 0,017 |
| Science ouverte | 0,004 | 0,012 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».