MétaCan
Menu
Retour à la cohorte
Enregistrement W2890928007

Set-Theoretic Methods: Qualitative Comparative Analysis (QCA) for IS Research.

2018· article· en· W2890928007 sur OpenAlexaff
Youngki Park, James S. Denford

Notice bibliographique

RevueJournal of the Association for Information Systems · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueQualitative Comparative Analysis Research
Établissements canadiensRoyal Military College of Canada
Organismes subventionnairesnon disponible
Mots-clésQualitative comparative analysisComputer scienceMachine learning
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Information and digital technologies have become tightly interconnected with organizational and environmental elements. This ‘fusion’ has created a complex system that often exhibits nonlinear, discontinuous change such that a small adjustment in IT systems can trigger drastic changes in other elements, and eventually the whole socio-technical system can change radically and possibly shift to new equilibriums. In such complex dynamics, the role of IT can be better understood as an element of the whole system rather than as a separate independent variable. Notwithstanding such an increasing need for a holistic systemic perspective, there is still a paucity of IS research that investigates how information and digital technologies effectively work together with organizational and environmental elements to produce the expected outcomes either at the individual, group, organization, or ecosystem level. \\ \\ Recently, qualitative comparative analysis (QCA), a set-theoretic method to build a configurational theory, is drawing increasing attention of researchers to its capability to investigate the complex phenomena. QCA developed by Charles Ragin (1987) integrates the strengths of both case-oriented qualitative methods and variable-oriented quantitative methods, and can be applicable for small, medium, or large data. This workshop will foster discussion about how QCA can help IS researchers build novel, richer theories. \\

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)0,053
score de la tête « metaresearch » (Gemma)0,076
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,283

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0530,076
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0090,012
Études des sciences et des technologies0,0030,017
Communication savante0,0070,008
Science ouverte0,0040,007
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0220,002

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 Opus0,390
Tête enseignante GPT0,636
Écart entre enseignants0,246 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Association for Information SystemsMême sujetQualitative Comparative Analysis ResearchTravaux en français237 207