Challenges and Best‐practice Recommendations for Designing and Conducting Interviews with Elite Informants
Notice bibliographique
Résumé
Abstract Elite informants (i.e., those in the upper echelon of organizations) are a key data source for building and testing theories in management research. We offer best‐practice recommendations to overcome challenges in designing and conducting interviews with elite informants (EIs) based on a comprehensive and multidisciplinary literature review and information provided by subject matter experts (i.e., authors of recently published articles that included EI interviews). Given unique characteristics of EIs and differences compared to interviewing non‐EIs, we provide recommendations on how to address challenges related to: (1) research design (e.g., what is the best order for the interviews?); (2) data collection (e.g., how can researchers access EIs? what is the best format for the interview? how can researchers obtain more honest responses?); and (3) reporting of results (i.e., what information should researchers report and to whom?). Finally, we offer suggestions for future EI research focusing on methodological issues.
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 | 0,567 | 0,634 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,004 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,011 | 0,012 |
| Études des sciences et des technologies | 0,013 | 0,018 |
| Communication savante | 0,029 | 0,049 |
| Science ouverte | 0,016 | 0,018 |
| Intégrité de la recherche | 0,021 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,011 |
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 ».