What the eye does not see: visualizations strategies for the data collection of personal networks
Notice bibliographique
Résumé
Abstract The graphic representation of relational data is one of the central elements of social network analysis. In this paper, the author describe the use of visualization in interview-based data collection procedures designed to obtain personal networks information, exploring four main contributions. First, the author shows a procedure by which the visualization is integrated with traditional name generators to facilitate obtaining information and reducing the burden of the interview process. Second, the author describes the reactions and qualitative interpretation of the interviewees when they are presented with an analytical visualization of their personal network. The most frequent strategies consist in identifying the key individuals, dividing the personal network in groups and classifying alters in concentric circles of relative importance. Next, the author explores how the visualization of groups in personal networks facilitates the enumeration of the communities in which individuals participate. This allows the author to reflect on the role of social circles in determining the structure of personal networks. Finally, the author compares the graphic representation obtained through spontaneous, hand-drawn sociograms with the analytical visualizations elicited through software tools. This allows the author to demonstrate that analytical procedures reveal aspects of the structure of personal networks that respondents are not aware of, as well as the advantages and disadvantages of using both modes of data collection. For this, the author presents findings from a study of highly skilled migrants living in Spain ( n = 95) through which the author illustrates the challenges, in terms of data reliability, validity and burden on both the researcher and the participants.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,030 | 0,122 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,009 | 0,008 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,011 | 0,010 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».