Numerically Aided Phenomenology: Procedures for Investigating Categories of Experience
Notice bibliographique
Résumé
Complementarity between quantitative and qualitative methods often implies that qualitative methods are a step toward quantitative precision or that quantitative and qualitative methods provide mutually validating "triangulation." However, there also is unacknowledged quantification within the type of analytic induction that is considered pivotal in qualitative thinking. We attempt to justify this claim and present a form of phenomenological analysis that invokes numeric algorithms. Numerically aided phenomenology is a procedure for systematically describing categories (kinds, or types) of lived experience within a set of experiential narratives. In a comparative reading, recurrent meaning expressions are identified and paraphrased. Then judgments about their presence or absence are used to create matrices representing the profiles of meanings expressed in each narrative. Finally, cluster analytic algorithms are used to group these experiential narratives according to the similarities in their profiles of meaning expressions. In this way, categories of similar experiential narratives—and their distinctive attributes—can be identified. Rather than an essentialist conception of the qualities defining classes, in numerically aided phenomenology classes are defined by more-or-less invariant attributes, i.e., classes are formed such that members share a large number of expressed meanings, although no single meaning (or set thereof) is necessary or sufficient for class membership. URN: urn:nbn:de:0114-fqs0101153
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 | 0,070 | 0,118 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,011 | 0,011 |
| Études des sciences et des technologies | 0,006 | 0,025 |
| Communication savante | 0,012 | 0,012 |
| Science ouverte | 0,004 | 0,012 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,003 |
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 ».