MétaCan
Menu
Retour à la cohorte
Enregistrement W2957793590 · doi:10.5604/01.3001.0013.2878

“Why was I not taught to use this software earlier?” A gendered exploration of university students’ beliefs towards their future use of CAQDAS

2019· article· en· W2957793590 sur OpenAlexaff
Megan MacCormac

Notice bibliographique

RevueInternational Journal of Pedagogy Innovation and New Technologies · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueQualitative Research Methods and Applications
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésCoding (social sciences)Qualitative researchQualitative propertySoftwarePsychologySocial psychologyMedical educationApplied psychologyData scienceComputer scienceSociologySocial scienceMedicine

Résumé

récupéré en direct d'OpenAlex

The use of computer-assisted qualitative data analysis software (CAQDAS) for the organization and analysis of qualitative data has been a hotly debated topic among qualitative researchers since the inception of the technology in the 1980s (Smith & Hesse-Biber, 1996; and Bong, 2002). Proponents of the software claim that QDAS can help strengthen the validity, reliability, and accuracy of data analysis, whereas critics have cautioned that the use of such software distances the researchers from the data and attempts to make the data objective (Saldaña, 2013). The debates surrounding the use of qualitative software have contributed to a lack of student training in academic settings. Consequently, few studies have examined the student experience and decision-making process regarding the use of QDAS in the university setting (Paulus, Woods, Atkins, & Mackin, 2015). Using reflective response data collected from participants of a beginner qualitative coding workshop, this paper adds to the limited literature on student experiences using QDAS by examining gender differences in how participants critically reflected on their first experience using QDAS and examines the likelihood that participants would use QDAS in their future work. Findings from this study indicate that participants who used QDAS for the first time perceived that there are more potential benefits to using QDAS versus manual coding. Gender differences were present with female participants strongly believing that the software would allow them to be more effective and efficient researchers, and male participants believing that they would be better able to gain deeper insights into their data.

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)0,041
score de la tête « metaresearch » (Gemma)0,071
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,218

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0410,071
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0100,012
Communication savante0,0100,009
Science ouverte0,0030,008
Intégrité de la recherche0,0030,007
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,254
Tête enseignante GPT0,479
Écart entre enseignants0,224 · 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'étudeQualitatif
Domainenon disponible
GenreEmpirique

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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Pedagogy Innovation and New TechnologiesMême sujetQualitative Research Methods and ApplicationsTravaux en français237 207