Notice bibliographique
Résumé
Narratiiv on üks paljudest kvalitatiivsetest uurimismeetoditest, mille abil saab koguda ja analüüsida andmeid ning esitada uurimistulemusi, kuid sellest hoolimata ei kasutata seda nii sageli kui näiteks juhtumiuuringuid. Artikkel annab võimaluse heita pilk narratiivi kasutamisele selle teadlase vaatenurgast, kes on viimase kümnendi jooksul uurinud selle meetodi abil järjepidevalt noorte teadlaste – doktorantide ning kraadi omandanud ja karjääri alustavate inimeste – kogemusi. See on aidanud mõista nii narratiivi pakutavaid võimalusi kui ka sellega kaasnevaid piiranguid. Artiklis tutvustatakse esmalt narratiiviuuringuid laiemalt ning seejärel selgitatakse autori kümneaastase narratiiviuuringuga seotud mõttekäike, protsesse ja toiminguid, sealhulgas narratiiviga kaasnevat loomingulist potentsiaali. Eesmärk on tekitada teistes teadlastes soov kaaluda narratiivi kasutamise võimalusi, kui see sobitub nende epistemoloogilise käsitlusviisiga. Full text
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 | 0,072 | 0,142 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,020 | 0,061 |
| Communication savante | 0,026 | 0,050 |
| Science ouverte | 0,004 | 0,011 |
| Intégrité de la recherche | 0,016 | 0,026 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».