MétaCan
Menu
Retour à la cohorte
Enregistrement W3081787022 · doi:10.1177/1609406920949333

“Value-adding” Analysis: Doing More With Qualitative Data

2020· article· en· W3081787022 sur OpenAlexaff
Joan M. Eakin, Brenda Gladstone

Notice bibliographique

RevueInternational Journal of Qualitative Methods · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueQualitative Research Methods and Ethics
Établissements canadiensPublic Health OntarioUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésValue (mathematics)ConceptualizationContextualizationComputer scienceQualitative researchEpistemologyReflexivityHeuristicsGenerative grammarData scienceCognitive reframingSociologyKnowledge managementInterpretation (philosophy)PsychologyArtificial intelligenceSocial science

Résumé

récupéré en direct d'OpenAlex

Much qualitative research produces little new knowledge. We argue that this is largely due to deficits of analysis. Researchers too seldom venture beyond cataloguing data into pre-existing concepts and scouting for “themes,” and fail to exploit the distinctive powers of insight of qualitative methodology. The paper introduces a “value-adding” approach to qualitative analysis that aims to extend and enrich researchers’ analytic interpretive practices and enhance the worth of the knowledge generated. We outline key features of this form of analysis, including how it is constituted by principles of interpretation, contextualization, criticality, and the “creative presence” of the researcher. Using concrete examples from our own research, we describe some analytic “devices” that can free up and stretch a researcher’s analytic capacities, including putting reflexivity to work, treating everything as data, reading data for what is invisible, anomalous and “gestalt,” engaging in “generative” coding, deploying heuristics for theorizing, and recognizing writing as a key analytic activity. We argue that at its core, value-adding analysis is a scientific craft rather than a scientific formula, a creative assemblage of reality rather than a procedural determination of it. The researcher is the primary generative and synthesizing mechanism for transforming empirically observed data into the key products of qualitative research—concepts, accounts and explanations. The ultimate value of value-adding analysis resides in its ability to generate new knowledge, including not just the “discovery” of things heretofore unknown but also the re-conceptualization of what is already known, and, importantly, the reframing and reconstitution of the research problem.

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)0,332
score de la tête « metaresearch » (Gemma)0,452
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,668
Score d'incertitude au seuil0,823

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,3320,452
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0050,004
Bibliométrie0,0150,013
Études des sciences et des technologies0,0130,047
Communication savante0,0350,055
Science ouverte0,0090,019
Intégrité de la recherche0,0080,016
Charge utile insuffisante (le modèle a refusé de juger)0,0130,003

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 Opus0,865
Tête enseignante GPT0,767
Écart entre enseignants0,097 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
DomaineMéthodes
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations147
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Qualitative MethodsMême sujetQualitative Research Methods and EthicsTravaux en français237 207