Recommendations for Researchers on Synchronous, Online, Nominal Group Sessions in Times of COVID-19: Fishbone Analysis
Notice bibliographique
Résumé
BACKGROUND: In times of COVID-19, we are challenged to experiment with alternative platforms or software to connect people. In particular, the struggle that arose in health research was how to interact with patients and care professionals. The latter is additionally faced with an extreme workload to fight the pandemic crisis. Creative strategies have been developed to continue research among patients and care professionals to improve quality of care. This paper addresses the issue of synchronous, online, nominal group sessions, a common consensus method used for group brainstorming. OBJECTIVE: The purpose of this study was to share our experiences with performing online, nominal group sessions using the video conference software Microsoft Teams. In addition, we aimed to create a practical guide with recommendations for researchers. METHODS: We critically analyzed the procedures for the online nominal group technique, according to the Fishbone methodology. RESULTS: Performing synchronous, online, nominal group sessions is challenging but offers opportunities. Although interaction with and among the attendees complicates the process, the major advantage of online sessions is their accessibility and comfort because of reduced barriers to participation (eg, lower time investment). The role of the moderators is of major importance, and good preparation beforehand is required. Recommendations for future online, nominal research were formulated. CONCLUSIONS: Online, nominal group sessions seem to be a promising alternative for the real-life commonly used technique. Especially during the COVID-19 pandemic, the benefits must be highlighted. More expertise is needed to further refine the practical guide for using digital software in research and to achieve optimal performance.
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 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 | 0,018 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».