Double, Double Toil and Trouble: Using Interactive Qualitative Analysis to Understand Non-Major Accounting Students’ Learning
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.
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 | 0,050 | 0,077 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,013 |
| Communication savante | 0,010 | 0,008 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».