Ethical Considerations for Qualitative Research Methods During the COVID-19 Pandemic and Other Emergency Situations: Navigating the Virtual Field
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
Qualitative research is integral to the pandemic response. Qualitative methods are ideally suited to generating evidence to inform tailored, culturally appropriate approaches to COVID-19, and to meaningfully engaging diverse individuals and communities in response to the pandemic. In this paper, we discuss core ethical and methodological considerations in the design and implementation of qualitative research in the COVID-19 era, and in pivoting to virtual methods—online interviews and focus groups; internet-based archival research and netnography, including social media; participatory video methods, including photo elicitation and digital storytelling; collaborative autoethnography; and community-based participatory research. We identify, describe, and critically evaluate measures to address core ethical challenges around informed consent, privacy and confidentiality, compensation, online access to research participation, and access to resources during a pandemic. Online methods need not be considered unilaterally riskier than in-person data collection; however, they are clearly not the same as in-person engagement and require thoughtful, reflexive, and deliberative approaches in order to identify and mitigate potential and dynamically evolving risks. Ensuring the ethical conduct of research with marginalized and vulnerable populations is foundational to building evidence and developing culturally competent and structurally informed approaches to promote equity, health, and well-being during and after the pandemic. Our analysis offers methodological, ethical, and practical guidance in the COVID-19 pandemic and considerations for research conducted amid future pandemics and emergency situations.
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 | 0,194 | 0,350 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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