MétaCan
Menu
Retour à la cohorte
Enregistrement W326624228 · doi:10.1057/9781137314154_11

Mixed-Methods Designs in Comparative Public Policy Research: The Dismantling of Pension Policies

2014· book-chapter· en· W326624228 sur OpenAlexaff
Sophie Biesenbender, Adrienne Héritier

Notice bibliographique

RevuePalgrave Macmillan UK eBooks · 2014
Typebook-chapter
Langueen
DomaineDecision Sciences
ThématiqueEvaluation and Performance Assessment
Établissements canadiensUniversité de MontréalUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésTerminologyMultimethodologyTriangulationQualitative researchPublic policyManagement scienceSociologyPolitical scienceSocial scienceEngineering ethicsEngineeringLinguisticsGeographyLawCartography

Résumé

récupéré en direct d'OpenAlex

Mixed-methods designs have received burgeoning attention in the academic community during the last decade not only in the social sciences but also in public health research and psychological science (Giddings, 2006; Doyle et al., 2009). Multimethod approaches and techniques of triangulation have a long tradition in these literatures (Campbell and Fiske, 1959; Jick, 1979; Brewer and Hunter, 1989). They have however only recently been translated into a ‘unique research approach that has philosophical foundations, its own terminology, systematic research designs, and specific procedures for designing, implementing and reporting research using this approach’ (Piano Clark et al., 2008: p. 354; see Greene, 2008). Apart from the feature to combine qualitative and quantitative approaches, mixed-methods research differs from multimethod designs by the interwovenness of the underlying research questions that can only be answered through different analyses (Johnson et al., 2007; Morse, 2010). These keywords were added by machine and not by the authors. This process is experimental and the keywords may be updated as the learning algorithm improves.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,200
score de la tête « metaresearch » (Gemma)0,196
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,200
Score d'incertitude au seuil0,986

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2000,196
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0050,009
Études des sciences et des technologies0,0020,010
Communication savante0,0080,008
Science ouverte0,0060,008
Intégrité de la recherche0,0060,006
Charge utile insuffisante (le modèle a refusé de juger)0,0130,002

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 Opus0,615
Tête enseignante GPT0,557
Écart entre enseignants0,058 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations7
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePalgrave Macmillan UK eBooksMême sujetEvaluation and Performance AssessmentTravaux en français237 207