Engaging the Senses in Qualitative Research via Multimodal Coding: Triangulating Transcript, Audio, and Video Data in a Study With Sexual and Gender Minority Youth
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
The variety of formats in which qualitative data may be collected have been explored within the methodological literature. Yet, the multiple options for coding these data formats have not been comprehensively detailed. While transcript analysis is widely used across disciplines, it may have limitations—particularly for research involving marginalized populations. This paper presents a multimodal coding approach as a methodological innovation for triangulating three data formats (transcript, audio, and video), detailed through the application of this analytic approach during a qualitative study exploring media engagement with sexual and gender minority youth (SGMY). Nineteen semi-structured interviews with SGMY were filmed and transcribed. Nine independent coders then utilized the innovative multimodal approach to code the three data formats using a constructivist grounded theory framework. Some codes were similar across modalities, such as those related to safety issues and finding identity and community through media. Others differed between modalities, such as those related to participant affect, perceived contradictions, discrepancies between verbal statements and body language, level of comfort and engagement, and distress when discussing traumatic experiences. Video coding captured the broadest range of emotions and experiences from marginalized youth, while transcripts provided the most straightforward form of data for coding. Multimodal coding may be applicable across qualitative approaches to enrich analyses and account for potential biases, thereby enhancing analytical lenses in qualitative inquiry. Methodological strategies for coding and integrating data types are discussed.
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 | 0,148 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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