Understanding connectivity: The parallax and disruptive-productive effects of mixed methods social network analysis in occupational science
Notice bibliographique
Résumé
This article introduces social network analysis (SNA), a theoretical perspective accompanied by a set of methodologies, to occupational science. The convergence of SNA and occupational science is timely for both fields. By providing methodological approaches that flesh out a structural view of social networks, SNA measurements and mathematical terminology can effectively bridge the complexity of diverse interpretive frameworks used to understand occupational engagement and other constructs for humans as socially occupied beings. By focusing attention on the relationship of occupations to connectivity between agents, occupational science can make significant contributions to the ways in which the mattering or meaning of what people do with others nurtures the development and sustainability of social networks. We provide a brief history and roots of SNA in naturalistic observation, current terminology, and four widely used SNA research designs: egocentric, sociometric, sequenced, and two-mode. Drawing examples from our decade-long journey using SNA with narrative phenomenological conceptual frameworks, we illustrate how we used SNA with experience-near ethnographies to meet different objectives. In the discussion, we reflect on the parallax view created by the synergies between the disciplines and how the disruptive-productive effects that occur with mixing narrative phenomenology and SNA methods could address (mutual) methodological gaps that have seemingly limited conceptual development in the social sciences.
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 | 0,078 | 0,140 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,009 | 0,006 |
| Études des sciences et des technologies | 0,006 | 0,029 |
| Communication savante | 0,012 | 0,022 |
| Science ouverte | 0,002 | 0,013 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».