MétaCan
Menu
Retour à la cohorte
Enregistrement W2781389330 · doi:10.36510/learnland.v9i2.771

Using Arts-Based Research Exercises to Foster Reflexivity in Qualitative Research

2016· article· en· W2781389330 sur OpenAlexvenueno aff
Sandra L. Faulkner, Chelsea A. Kaunert, Yannick Kluch, Esen Saygin Koc, Stormy P. Trotter

Notice bibliographique

RevueLEARNing Landscapes · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueParticipatory Visual Research Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReflexivityThe artsQualitative researchPoetryPedagogySociologyPsychologyMathematics educationComputer scienceVisual artsSocial scienceArt

Résumé

récupéré en direct d'OpenAlex

Re exivity is a ubiquitous, varied, and, at times, contentious concept in qualitative inquiry that presents challenges as we strive to understand and use the concept in our work. The authors present their collaborative understanding of re exivity using their semester-long research journals, re exivity models, collaborative poetry, and collage exercises as evidence. The article details how using arts-based research exercises in the classroom can facilitate understanding and use of the concept of re exivity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,172
score de la tête « metaresearch » (Gemma)0,248
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,828
Score d'incertitude au seuil0,911

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1720,248
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0070,028
Communication savante0,0090,009
Science ouverte0,0050,022
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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.

Tête enseignante Opus0,924
Tête enseignante GPT0,777
Écart entre enseignants0,147 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeQualitatif
DomaineMéthodes
GenreMéthodes

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

En bref

Citations30
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLEARNing LandscapesMême sujetParticipatory Visual Research MethodsTravaux en français237 207