Strengths and Challenges in the Use of Interpretive Description: Reflections Arising From a Study of the Moral Experience of Health Professionals in Humanitarian Work
Notice bibliographique
Résumé
Interpretive description is a qualitative research methodology aligned with a constructivist and naturalistic orientation to inquiry. The aim of interpretive description, a relatively new qualitative methodology, is to generate knowledge relevant for the clinical context of applied health disciplines. To date there has been little discussion in the literature of the particular merits and limitations of this methodological framework. In this article I draw on my experience of using interpretive description as methodology for an inquiry into the moral experience of clinicians in humanitarian work. I identify and discuss strengths and challenges that can arise in the application of interpretive description. Strengths identified include a coherent logic and structure, an orientation toward the generation of practice-relevant findings, and attention to disciplinary biases and commitments. Challenges include limited resources for situating the methodology, challenges in employing a lesser-known methodology, and uncertainty regarding the degree of interpretation to seek.
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 | 0,309 | 0,383 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,033 | 0,109 |
| Communication savante | 0,032 | 0,029 |
| Science ouverte | 0,011 | 0,031 |
| Intégrité de la recherche | 0,020 | 0,037 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».