Regional studies and conceptual fuzziness: A critical review
Notice bibliographique
Résumé
Regional and spatial studies, such as urban planning, energy planning, and sustainable development, address the complexity of the inter-disciplinary relationship between subsystems and their components. Such studies require multidisciplinary concepts, varied lenses, and differentiating approaches and models to address the conflict between contextual sensitivity and universal applicability. This paper reviews the debate on the research approaches adopted in regional studies and initiated by researcher Ann Markusen, followed by a review of contemporary literature on the concept of fuzziness in the qualitative research. Markusen evaluated the conceptual fuzziness, empirical evidence, and policy dimensions of regional studies. The argument was based on three fundamental aspects of regional and urban development studies; strong contestation of phenomena, empirical evidence to support the concept, and collective action to deal with the problems under investigation. A conceptual fuzziness and the methodological weaknesses in the qualitative research, highlighted by Markusen almost two decades ago, persist in interdisciplinary qualitative research. In this study, we have dissected the concept of fuzziness to distinguish between Inherited fuzziness derived from the configurational complexity of a case and bequeathed fuzziness that could be transferred ahead due to a researcher’s methodological and perceptual weaknesses. Despite efforts made to address the relevance, reliability, validity, and replicability of the qualitative research, the field is still facing challenges from conceptual bias, methodological and operational constraints, empirical weakness, and prejudiced interpretation.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».