Interpretive description: A flexible qualitative methodology for medical education research
Notice bibliographique
Résumé
BACKGROUND: Qualitative research approaches are increasingly integrated into medical education research to answer relevant questions that quantitative methodologies cannot accommodate. However, researchers have found that traditional qualitative methodological approaches reflect the foundations and objectives of disciplines whose aims are recognizably different from the medical education domain of inquiry (Thorne, 2016, Interpretive description. New York, NY: Routledge). Interpretive description (ID), a widely used qualitative research method within nursing, offers an accessible and theoretically flexible approach to analysing qualitative data within medical education research. ID is an appropriate methodological alternative for medical education research, as it can address complex experiential questions while producing practical outcomes. It allows for the advancement of knowledge surrounding educational experience without sacrificing methodological integrity that long-established qualitative approaches provide. PURPOSE: In this paper, we present interpretive description as a useful research methodology for qualitative approaches within medical education. We then provide a toolkit for medical education researchers interested in incorporating interpretive description into their study design. We propose a coherent set of strategies for identifying analytical frameworks, sampling, data collection, analysis, rigour and the limitations of ID for medical education research. We conclude by advocating for the interpretive description approach as a viable and flexible methodology for medical education research.
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 | 0,276 | 0,268 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,009 | 0,011 |
| Études des sciences et des technologies | 0,008 | 0,020 |
| Communication savante | 0,012 | 0,009 |
| Science ouverte | 0,007 | 0,016 |
| Intégrité de la recherche | 0,004 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,004 |
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 ».