MétaCan
Menu
Retour à la cohorte
Enregistrement W2517062696 · doi:10.55016/ojs/ajer.v62i1.55994

Fiction as Research Practice: Short Stories, Novellas, and Novels (2013) by Patricia Leavy

2016· article· en· W2517062696 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.
venuePublié dans une revue dont le pays d'attache est le Canada.

Notice bibliographique

RevueAlberta Journal of Educational Research · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Development and Education Research
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésNovellaLiteraturePsychologyPsychoanalysisArt

Résumé

récupéré en direct d'OpenAlex

In the first section, Patricia Leavy explores the genre by explaining its background and possibilities and goes on to describe how to conduct and evaluate fiction-based research.In the second section of the book, she presents and evaluates examples of fiction-based research in different forms including short stories and excerpts from novellas and novels written by different authors.The third and final section explains how fiction and fiction-based research can be used in teaching.Leavy clearly differentiates the term fiction-based research from artsbased research in order to project the emergent field in a clear light of its own.Babbie (2001) explains that just as qualitative research practice emerged as a means of explaining phenomena that could not be captured by quantitative scientific research, social research attempts to study and understand everyday life experiences.Within social research, arts-based research tries to represent phenomena studied aesthetically through various forms of art (Barone & Eisner, 2012).As a form of arts-based research, Leavy describes fiction-based research as a great way to explore "topics that can be difficult to approach" through fiction (p.20).Topics include the intricacies of interactions in everyday life, race relations, and socio-economic class and its effects on human life.In carving its niche in social research, Leavy explains that fiction-based research seeks to create a deeper understanding of experiences in a language that is more accessible to people than research published in academic publications.Using fiction creates an opportunity for the writer to simulate the environment, sights, sounds, and smells of reality virtually, which captivates the reader's imagination.The writer is able to either create new knowledge for the reader or "disrupt dominant ideologies or stereotypes" (p.38).As traditional qualitative researchers, fiction writers engage in intensive research to ensure that they have clear representations of the phenomenon they are presenting.These representations are evident in the realistic scenarios and characters that are portrayed in fiction writing, allowing the reader to be absorbed in the reality of the book.This reality or verisimilitude is the key to effective fictionbased research and traditional qualitative research because both methods try to portray the experiences as true as possible.In describing how one conducts fiction-based research, Leavy compares tenets of qualitative research to those of fiction-based research.She points out that anticipated data is a key consideration in most qualitative research methods but how data is collected, where it is

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)0,014
score de la tête « metaresearch » (Gemma)0,089
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,328
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0140,089
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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.

Tête enseignante Opus0,164
Tête enseignante GPT0,515
Écart entre enseignants0,351 · 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