Mixed Methods Research in Library and Information Science: A Methodological Review
Notice bibliographique
Résumé
Abstract Objective - To review mixed methods research trends in the field of library and information science (LIS). In particular, we examine the extent to which research about or using mixed methods has been occurring in library and information science over the past decade (2008-2018), and how much of that mixed methods research is done in health contexts. Methods - We conducted a methodological review and analysis of mixed methods research (MMR) in LIS for published articles indexed in LISTA and Web of Science. After deduplication and verification for inclusion, we coded 417 articles to identify contributions using or about MMR. Given the connections between evidence based practice in health and LIS, we also identified whether articles about or using mixed methods were health-focused. Results - We found MMR to be a tiny proportion (less than 0.5%) of the overall LIS research literature. In terms of observable trends, while contributions about MMR remain fairly static, there has been an increase in articles using mixed methods. Of the 417 included articles, 373 (89.5%) primarily used mixed methods and 44 (10.5%) were primarily about MMR. Results also demonstrated that health-related research both using and about mixed methods has a strong presence in the LIS literature, with 136 published articles (32.6% of the total). Conclusion - Confirming findings of prior analyses of research methods in LIS, our methodological review shows current opportunities to adopt and expand the use of mixed methods research processes. Further contributions about mixed methods research, and ideally connecting research and practice in LIS, are needed. Despite the small proportion of MMR in LIS research, there is an observable increase in the number of publications using mixed methods during this timeframe. The LIS research community can promote additional growth by leveraging this momentum around using mixed methods, and look to translate lessons learned about mixed methods research and practice in health contexts to other LIS settings. Recommendations include developing educational opportunities and learning resources that facilitate wider engagement with MMR in LIS contexts.
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 | 0,264 | 0,472 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,007 | 0,012 |
| Bibliométrie | 0,030 | 0,033 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,014 | 0,013 |
| Science ouverte | 0,006 | 0,010 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».