Pair-Coding as a Method to Support Intercoder Agreement in Qualitative Research
Notice bibliographique
Résumé
The goal of this WiP paper is to provide an overview of our adaptation of pair programming from agile software development to support intercoder agreement in qualitative analysis. In pair programming, two programmers work together on the same program: one writes while the other observes and guides. Pair programming interleaves development and inspection activities and has been shown to produce higher quality software in a shorter time than individuals working alone. Our adaptation of agile software development pair programming to qualitative research, which we have called pair-coding, uses a similar approach to merge the qualitative research activities of coding and consensus-building by having two team members work on the same text simultaneously. In using pair-coding in qualitative research, the active team member highlights passages and assigns codes while the other team member observes and guides. Our research team anecdotally found that pair-coding of qualitative data provided benefits that were similar to the benefits of pair programming. Specifically, consensus and consistency were built continuously rather than at discrete stages. As well, differences in biases and worldviews were overtly revealed in the act of coding, thus improving the bracketing of biases. Finally, we found that consensus was better understood when built in the moment of coding rather than in comparison after the fact. We believe pair-coding could be effective in supporting the trustworthiness and credibility of qualitative analysis.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,430 | 0,516 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,004 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,016 | 0,015 |
| Études des sciences et des technologies | 0,011 | 0,024 |
| Communication savante | 0,011 | 0,013 |
| Science ouverte | 0,008 | 0,027 |
| Intégrité de la recherche | 0,004 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,004 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».