Numerically Aided Phenomenology: Procedures for Investigating Categories of Experience
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,008 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle