What, how, and why to mix research methods in the study of career patterns?
Notice bibliographique
Résumé
Political careers have become more diversified in multi-level systems over the last decades. In ‘classic’ federations (e.g. the US, Canada, and Germany), regional offices have become attractive positions with the process of professionalization. In newly regional political systems (e.g. Belgium, Spain, and the UK), the regional level has been quickly perceived by ambitious candidates as a professionalized political arena. Overall, regional positions in multi-level contexts are no longer conceived as amateur positions or mere stepping stones towards the national level. Despite the growing literature on the topic, several methodological questions remain nonetheless opened. This paper discusses the benefits and limitations of a mix-methods research design relevant for the study of elites’ career patterns. Specifically, the paper presents how and why mixing two quantitative and qualitative methods: survival analysis and life story interviews (for the purpose of illustration, the paper relies on empirical data: 1.831 careers and 84 life stories). Firstly, I introduce separately the added-value of each research methods (I especially discuss the benefits of these approach to collect and analyze longitudinal data in a context of multi-level system). Secondly, I demonstrate how these two methods permit to better understand elites’ career patterns in the context of multi-level systems.
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 | 0,428 | 0,421 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,014 | 0,014 |
| Études des sciences et des technologies | 0,007 | 0,024 |
| Communication savante | 0,027 | 0,037 |
| Science ouverte | 0,005 | 0,019 |
| Intégrité de la recherche | 0,010 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».