Double, Double Toil and Trouble: Using Interactive Qualitative Analysis to Understand Non-Major Accounting Students’ Learning
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
This study investigates the implementation of the methodology, Interactive Qualitative Analysis (IQA) (Northcutt & McCoy, 2004) during the COVID-19 pandemic, to understand how non-major accounting students learn Accounting 101 in a threshold concepts-inspired tutorial programme. Even though IQA is a predominantly qualitative method, it incorporates quantitative data with qualitative data systematically. These data collection and data analysis procedures are a means of aiding participants in a focus group to describe their experiences with a phenomenon, to name these experiences and to then describe the relationships between these named experiences. The objective of the IQA methodology is to create a picture, a Systems Influence Diagram (SID), representative of the mind map of the focus group participants, with regard to the phenomenon outlined in the issue statements. A summary of theoretical codes used to capture the relationships between affinities named, an Inter Relationship Diagram (IRD), is used to draw the SID. IQA requires the researcher to document each step of the research process, whilst acting as a facilitator by teaching the participants the IQA process on how to generate and analyse the data that they have generated, thereby minimising the researcher influence. This study provides qualitative research conducted in the fields of education and accounting, with a qualitative methodological approach, being Interactive Qualitative Analysis (IQA).
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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