Developing the craft: reflexive accounts of doing reflexive thematic analysis
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.
Notice bibliographique
Résumé
:Thematic analysis (TA) is unique in that it does not come with a predetermined theoretical framework, leaving the researcher accountable to articulate methodological decisions made. As a community of qualitative scholars, we need to clearly articulate and define the theoretical foundations, assumptions, and parameters that guide our work and analysis. We also need to be transparent about our reflections during data analysis, sharing our tensions, struggles, and realizations. While the flexibility of TA can lead to poorly constructed and executed analysis, it also offers the ability to develop rich, detailed, and nuanced analysis. TA is not your ’simple go lucky‘ approach, rather the complexities, interaction, and creativity that reflexive TA offers is remarkable. While TA is one of the most commonly used methods to analyze qualitative data, there is considerable variability in how the method is understood and conducted. As a growing qualitative researcher, [Author A] was frustrated by the limited examples of the reflexive process of doing TA, and the lack of transparency of how the data analysis was carried out. She grappled with figuring outhowto conduct a high-quality TA. As an experienced qualitative researcher and a mentor to graduate students, [Author B] struggled to find ways to support and guide [Author A] to develop her craft. The experience brought her to reflect on her own use of TA and how her practice has evolved. In this manuscript, we use visual and written examples to show the active decisions made during analysis, struggles and rebounds, and how these aided us in understanding the process of reflexive TA.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,099 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle