MétaCan
Menu
Retour à la cohorte
Enregistrement W2120292430 · doi:10.1177/1098214012440030

A New Realistic Evaluation Analysis Method

2012· article· en· W2120292430 sur OpenAlexaffabout
Suzanne F. Jackson, Gillian Kolla

Notice bibliographique

RevueAmerican Journal of Evaluation · 2012
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEvaluation and Performance Assessment
Établissements canadiensPublic Health OntarioUniversity of Toronto
Organismes subventionnairesHealth Research Board
Mots-clésCoding (social sciences)Computer scienceQualitative researchQualitative analysisNarrativeManagement scienceContext (archaeology)Evaluation methodsData sciencePsychologySociologySocial scienceEngineering

Résumé

récupéré en direct d'OpenAlex

In attempting to use a realistic evaluation approach to explore the role of Community Parents in early parenting programs in Toronto, a novel technique was developed to analyze the links between contexts (C), mechanisms (M) and outcomes (O) directly from experienced practitioner interviews. Rather than coding the interviews into themes in terms of context, intervention elements (mechanisms) and outcomes separately and which could be assembled into CMO configurations by the analyst, they were coded as linked dyads and triads directly from the practitioner narratives. Out of all of the linked codes entered, there were a maximum of three with the same combination, presenting challenges for typical qualitative data analysis. This article examines a novel technique that was developed in an attempt to expand this method beyond the circumstances described in the realistic evaluation literature to date. The bulk of the article focuses on the linked coding and analysis procedures, the challenges faced, and the original solutions that were developed to analyze the CMO relations and generate the mid-range theories necessary to move to the next stage of a realist evaluation approach. The features that distinguish this linked coding method from other methods (e.g. Qualitative Comparative Analysis), the major benefits and drawbacks, the utility of the approach within evaluation practice, and its application to realist synthesis and research are discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,070
score de la tête « metaresearch » (Gemma)0,151
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,070
Score d'incertitude au seuil0,368

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0700,151
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0080,007
Études des sciences et des technologies0,0040,004
Communication savante0,0100,008
Science ouverte0,0030,007
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0230,003

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.

Tête enseignante Opus0,297
Tête enseignante GPT0,614
Écart entre enseignants0,316 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations144
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of EvaluationMême sujetEvaluation and Performance AssessmentTravaux en français237 207