MétaCan
Menu
Retour à la cohorte
Enregistrement W4211120693 · doi:10.1097/nnr.0000000000000584

Tripartite Analysis

2022· article· en· W4211120693 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueNursing Research · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensGovernment of Newfoundland and LabradorMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésPhenomenonSet (abstract data type)Relational databaseData integration

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Effective data integration is a daunting task in mixed methods research. Several frameworks for data integration exist, but the choice of and the technique for integration depend upon the research question and design. Innovative integration techniques continuously need to be developed to tackle the integration challenge and provide alternative ways for researchers to generate plausible mixed meta-inferences. OBJECTIVES: The purpose of this study was to describe a new data analysis technique, tripartite analysis (TriPA), and illustrate its use in a convergent mixed-methods study. METHODS: This technique was developed based on a convergent mixed-methods study underpinned by dialectical pluralism aimed to understand Pakistani nursing students' perspectives about compassion and compassionate care and how these perspectives are consistent with the conceptualizations of compassion in nursing literature. RESULTS: TriPA entails analysis and integration using joint displays at three levels: case-by-case integrated analysis, separate and then merged quantitative and qualitative analysis, and comparative and integrated analysis of Levels I and II findings. DISCUSSION: TriPA can enable researchers to develop a more nuanced understanding of a given phenomenon through integration at various levels by identifying linkages within cases and across the whole data set and recognizing relational connections and emerging patterns.

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 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)0,016
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,212
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0160,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,007
Études des sciences et des technologies0,0060,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0130,001

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 Opus0,923
Tête enseignante GPT0,842
Écart entre enseignants0,081 · 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