Notice bibliographique
Résumé
This book has a different starting point from others that concentrate on qualitative research ethics; it focuses on how qualitative researchers experience ethical dilemmas in the field and how they resolve them, not on how ethics committees review qualitative research. Moral panic (Hoonaard, 2001; Fitzgerald, 2005), ethics creep (Haggerty, 2004), travelers and trolls (Pritchard, 2002) are common accounts social scientists have used to characterize their uneasy relationship with ethics committees (Institutional Review Boards in the USA, Research Ethics Boards in Canada, Human Research Ethics Committees in Australia, and Research Ethics Committees in the UK). Israel and Hay (2006, p. 1) story the relationship as one where “social scientists are angry and frustrated, their work is being constrained and distorted by regulators of ethical practice who do not necessarily understand social science research.” Although mindful of these critiques, my position on these questions has focused less on outward critiques and more on the ethical considerations of qualitative research itself. Additionally, for most of the past fifteen years I have served on ethics committees, mostly as chairperson, and recently I worked to establish a not-for-profit company operating a noninstitutional ethics committee. The New Zealand Ethics Committee reviews applications gratis from researchers in local and central government and NGOs along with community researchers who are routinely disenfranchised from formal ethical review. Ethics committees play an important role in protecting participants from harm, yet their ability to evaluate qualitative research is incomplete. Obscured from ethics committees and researchers alike are the ethical events that unfold in the field.
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 | 0,005 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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.
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 ».