Organizational Ethnographic Case Studies: Toward a New Generative In-Depth Qualitative Methodology for Health Care Research?
Notice bibliographique
Résumé
A growing body of literature suggests combining organizational ethnography and case study design as a new methodology for investigating complex organizational phenomena in health care contexts. However, the arguments supporting the potential of organizational ethnographic case studies to improve the process and increase the impact of qualitative research in health care is currently underdeveloped. In this article, we aim to explore the methodological potentialities and limitations of combining organizational ethnography and case study to conduct in-depth empirical health care research. We conducted a scoping review, systematically investigating seven bibliographic databases to search, screen, and select empirical articles that employed organizational ethnographic case study to explore organizational phenomena in health care contexts. We screened 573 papers, then completed full-text review of 74 papers identified as relevant based on title and abstract. A total of 18 papers were retained for analysis. Data were extracted and synthesized using a two-phase descriptive and inductive thematic analysis. We then developed a methodological matrix that positions how the impact, contextualization, credibility, and depth of this combined methodology interact to increase the generative power of in-depth qualitative empirical research in health care. Our review reveals that organizational ethnographic case studies have their own distinct methodological identity in the wider domain of qualitative health care research. We argue that by accelerating the research process, enabling various sources of reflexivity, and spreading the depth and contextualization possibilities of empirical investigation of complex organizational phenomena, this combined methodology may stimulate greater academic dynamism and increase the impact of research. Organizational ethnographic case studies appear as a new in-depth qualitative methodology that both challenges and improves the conventional ways we study the lives of organizations and the experiences of actors within the interconnected realms of health care.
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 | 0,170 | 0,201 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 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 ».