MétaCan
Menu
Retour à la cohorte
Enregistrement W2599053909 · doi:10.1177/1354067x17701271

Discussing moral goods and confronting research fetish: Review of “Fundamentals of research on culture and psychology: Theory and methods”

2017· article· en· W2599053909 sur OpenAlexaff
James Cresswell, Evan T. Curtis

Notice bibliographique

RevueCulture & Psychology · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueCultural Differences and Values
Établissements canadiensBooth University CollegeAmbrose University
Organismes subventionnairesnon disponible
Mots-clésMainstreamSociologyGenerative grammarEpistemologyCulture theoryWork (physics)Cultural studiesPsychologySocial sciencePhilosophyLawPolitical scienceEngineering

Résumé

récupéré en direct d'OpenAlex

We review Valery Chirkov’s “Fundamentals of research on culture and psychology: Theory and methods.” The book is written as a textbook, but clearly takes a position that work in culture and psychology should be “problem-oriented, realist, and case-based” (p. 299). It is an innovative piece that covers philosophical paradigms, planning research, and conducting research. Our review outlines main claims made by the book that are likely provocative to mainstream variable-based research and ones that will likely challenge cultural psychologists. Despite the provocations, we argue that the book is an excellent place to start because, as illustrated through the work of Charles Taylor, Chirkov insinuates generative conversations about moral goods. A complimentary discussion through the purview Slavoj Žižec shows how Chirkov promotes awareness of a potential fetish with research methods that are counter productive and unethical.

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 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)0,008
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,752
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,004
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,475
Tête enseignante GPT0,659
Écart entre enseignants0,184 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCulture & PsychologyMême sujetCultural Differences and ValuesTravaux en français237 207