MétaCan
Menu
Retour à la cohorte
Enregistrement W3082641876 · doi:10.16995/dscn.328

Tagging My Tears and Fears: Text-Mining the Autoethnography

2020· article· en· W3082641876 sur OpenAlex
Sonja Sapach

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
venuePublié dans une revue dont le pays d'attache est le Canada.

Notice bibliographique

RevueDigital Studies / Le champ numérique · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueQualitative Research Methods and Ethics
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésAutoethnographyReflexive pronounComputer scienceContext (archaeology)NarrativePsychologyWorld Wide WebLiteratureArtSociologyHistory

Résumé

récupéré en direct d'OpenAlex

This article, which was presented for the first time at CSDH/SCHN 2018, outlines a mixed methodology that combines digital text-mining techniques, like XML tagging and topic modelling, with autoethnography. In this article, I describe my intimate and rocky relationship with my data, referred to as my “life-as-text.” As someone who has Complex Post Traumatic Stress Disorder, I have an extremely difficult time putting many of the events of my life into situational and linear context. The process of formally tagging my data requires me to overcome psychological blocks that have been created as defense mechanisms; thus, allowing me to honestly read and create associations in my dissociated “life-as-text.” Conducting a macroanalysis of data that was gathered through both journaling, and the recording and transcription of “let’s play” videos, has given me a new lens through which to view myself and my experiences. I see myself in my data. I see myself in ways that I cannot otherwise put into words. Text-mining my deepest memories and emotions provides me with an odd sense of stability in a seemingly chaotic assortment of words. In this article, I explain my autoethnographic journey and the powerful impact that digital text-mining has had on my relation to myself and my research. <strong>Abstrakt</strong> Cet article, qui a été premièrement présenté à CSDH/SCHN 2018, décrit une méthodologie mixte qui marie des techniques numériques de la fouille de texte, tels que le marquage XML et la modélisation thématique, et l’auto-ethnographie. Dans cet article, je décris ma relation intime et difficile avec mes données, ce que je nomme ma « vie en tant que texte ». En tant qu’une personne ayant le Syndrome de stress post-traumatique complexe, j’ai d’énormes difficultés à contextualiser d’une façon situationnelle et linéaire beaucoup des évènements de ma vie. Le processus de marquage formel de mes données m’exige de surmonter des blocages psychologiques qui ont été créés comme mécanismes de défense, me permettant de lire honnêtement et de développer des associations dans ma « vie en tant que texte » dissociée. Effectuer une macroanalyse de données, qui ont été récoltées à travers la tenue d’un journal, ainsi qu’à travers l’enregistrement et la transcription de vidéos « jouons » (“<em>let’s play</em>”), m’a offert une nouvelle perspective par laquelle je me considère et par laquelle je considère mes expériences. Je me vois dans mes données. Je me vois d’une façon dont je ne trouve pas les mots pour le décrire. La fouille de textes de mes souvenirs et de mes émotions les plus profondes me fournit une sensation étrange de stabilité au sein d’une gamme de mots qui est chaotique en apparence. Dans cet article, j’explique mon parcours auto-ethnographique et l’impact important qu’a eu la fouille de textes sur ma relation avec moi-même et avec ma recherche. <strong>Mots-clés:</strong> Autoethnographie; Modélisation de sujets; XML; Méthodologies<br />mixtes; Exploration de texte; Aliénation; SSPT-complexe

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,393
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,003
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,212
Tête enseignante GPT0,453
Écart entre enseignants0,240 · 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