MétaCan
Menu
Retour à la cohorte
Enregistrement W3206978563 · doi:10.1177/16094069211042493

Reconceptualizing Recruitment in Qualitative Research

2021· article· en· W3206978563 sur OpenAlexafffund
Isaac Bonisteel, Rayzel Shulman, Leigh Anne Newhook, Astrid Guttmann, Sharon Smith, Roger Chafe

Notice bibliographique

RevueInternational Journal of Qualitative Methods · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensJaneway Children's Health and Rehabilitation CentreMemorial University of NewfoundlandInstitute for Clinical Evaluative SciencesUniversity of TorontoSickKids FoundationHospital for Sick Children
Organismes subventionnairesInstitute of Human Development, Child and Youth HealthHospital for Sick Children
Mots-clésParticipant observationQualitative researchCentralityData collectionPsychologyApplied psychologyKnowledge managementComputer scienceSociology

Résumé

récupéré en direct d'OpenAlex

Adequate participant recruitment is critical for any qualitative research project. Our research team experienced numerous difficulties when attempting to recruit young adults with type 1 diabetes to discuss their transition from pediatric to adult-focused care. Using our experience as a case study, we identify the activities involved in four phases of participant recruitment: (1) development of a recruitment plan, (2) implementation, (3) participant engagement post-data collection, and (4) post-recruitment assessment. We present a new definition of participant recruitment which better captures the range of activities involved. We discuss aspects impacting recruitment in our case: the influence of other stakeholders, the dynamic nature of recruitment, recruitment of specific populations, and the challenges of recruiting within a healthcare environment. Finally, we identify and consider four factors that impact participant recruitment: communication, participant interest/value, participant trust in the research project, and participant availability and consider potential strategies for overcoming barriers related to each factor. In the end, our case underscores the centrality and potential fluidity of participant recruitment within qualitative 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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,154
score de la tête « metaresearch » (Gemma)0,069
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,545
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,1540,069
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,995
Tête enseignante GPT0,915
Écart entre enseignants0,080 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeQualitatif
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations40
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Qualitative MethodsMême sujetHealth Policy Implementation ScienceTravaux en français237 207