“Why was I not taught to use this software earlier?” A gendered exploration of university students’ beliefs towards their future use of CAQDAS
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle