Pictorial Narrative Mapping as a Qualitative Analytic Technique
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
Qualitative analysis is often a textual undertaking. However, it can be helpful to think about and represent study phenomena or narrative accounts in nontextual ways. In this article, we share our unique and artistic process in developing and employing pictorial narrative mapping as a qualitative analytic technique. We recast a nontextual, artistic–analytic technique by combining elements related to narrative mapping and narrative art. This technique involves aesthetic attunement to data and visual representation through pictorial design. We advanced this technique in the context of a narrative study about how arts-informed dissemination methods influence health-care practitioners’ delivery of care. We found that the Pictorial Narrative Mapping process prompted an aesthetic and imaginative experience in the analytic process of qualitative inquiry. As an analytic technique, Pictorial Narrative Mapping extends the inquiry process and enhances rigor through artistic means as well as iterative and critical dialogue. Additionally, pictorial narrative maps can provide a holistic account of the phenomenon under study and assist researchers to make meaning of nuances within complex narratives. As researchers consider employing Pictorial Narrative Mapping, we recommend that they draw upon this technique as a malleable script yielding to an organic process that emerges from both their own data and analytic discussions. We are further curious about its imaginative capacities in social and health science literature, its possibilities in other disciplinary contexts, and the prospects of what Maxine Greene refers to as becoming more wide awake—in our case, in future research analytic endeavors.
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 | 0,126 | 0,109 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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