MétaCan
Menu
Retour à la cohorte
Enregistrement W2164924833 · doi:10.1177/1049732307308304

The Advantages and Disadvantages of Mixing Methods: An Analysis of Combining Traditional and Autoethnographic Approaches

2007· article· en· W2164924833 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueQualitative Health Research · 2007
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueQualitative Research Methods and Ethics
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMainstreamAutoethnographyPopularitySociologyEpistemologyEthnographyComputer scienceManagement scienceProcess (computing)Commensurability (mathematics)Data collectionData scienceEngineering ethicsPsychologySocial scienceSocial psychologyEngineeringPolitical science

Résumé

récupéré en direct d'OpenAlex

Although mixed- and multiple-method research designs are currently gaining momentum and popularity, it is essential that researchers undertake a critical analysis of the process of mixing "mainstream" research designs with newer methods before commencing. In ethnography, not only are there multiple approaches to data collection, but each approach also spans the competing paradigms, thus making the term mainstream ambiguous because these mainstream techniques are reasonably different from one another. When critically appraising the combination of ethnography and autoethnography, researchers must evaluate paradigmatic philosophies and methods of inquiry for commensurability and delineate the advantages and disadvantages of combining methods as they relate to each paradigm. The author's goal in this article is to demarcate the methodologies of both ethnography and autoethnography and then to identify the (dis)advantages that might arise from undertaking multiple-method and/or mixed-method research that uses these approaches concurrently.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,281
score de la tête « metaresearch » (Gemma)0,013
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
Catégories consensuellesMétarecherche, Études des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,399
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,2810,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,011
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,837
Tête enseignante GPT0,729
Écart entre enseignants0,108 · 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