Introduction to Qualitative Research for Novice Investigators
Notice bibliographique
Résumé
Qualitative research has been used for centuries in the realm of social sciences to examine the experiences, perspectives, and perceptions of people. In in the last century, however, qualitative research emerged as a reputable paradigm of research inquiry in the health sciences discipline. Qualitative research may be considered a research approach complementary to quantitative research, which is most commonly utilized in medical disciplines through the scholarly pursuit of randomised controlled trials and meta analyses of treatment effectiveness. Qualitative research aims to elaborate, explain, and describe social phenomena such as the relationship between patients and healthcare providers, how medical interventions may affect long-term care and quality of life, and how to contextualize the findings of randomized controlled trials to the complex lives of patients by considering the multitude of factors that influence treatment effectiveness. Qualitative research seeks to answer the “why” and “how” of phenomena as opposed to the “what” and “how much.” The majority of novice investigators will use the quantitative research paradigm for an independent study course or their thesis dissertation. When these investigators encounter the qualitative research paradigm, they are struck with the lack of simple and useful resources available that identify, clarify, and explicate the qualitative research process. This article aims to serve as an introductory guide for novice investigators who wish to immerse in the qualitative research tradition. The authors introduce the purpose, components, and process of qualitative research including common methodologies, data collection methods, sampling strategies, and data analysis approaches.
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 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 | 0,115 | 0,083 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,009 |
| Études des sciences et des technologies | 0,006 | 0,011 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,005 |
| 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».