An Alternative Method of Interviewing: Critical Reflections on Videoconference Interviews for Qualitative Data Collection
Notice bibliographique
Résumé
Qualitative research is an increasingly popular research approach for tackling the evolving complexity of social issues. With this rise in use, methods of qualitative data collection are becoming highly diverse, moving away from conventional approaches and welcoming more innovative and creative methods of data collection in a quest to produce critically and theoretically engaged new knowledge. Although traditional face-to-face interviews remain a compelling and popular means, modern innovative technology-based interviewing, such as videoconference interviews, can play a pivotal role in qualitative research. This article argues that this approach is pragmatic because video conferencing interviews are relatively affordable for research teams and, for many research participants, they are more accessible than face-to-face interviews. On the other hand, it provides a unique opportunity for researchers and participants by compressing the time-space divide, facilitating safety, reducing travel-related expenses, accessing transnational participants, maintaining social distance, and protecting personal space and privacy. Yet, this article also argues that videoconferencing can be dogged by practical challenges that might conflict with the holistic quality of qualitative research, such as dropped calls and loss of intimacy compared to traditional in-person interviews. This article presents the experiences of a young researcher, who reflects on how and why he conducted Skype interviews in his research. The article concludes that, despite the relative merits and demerits, videoconference interviews can be a useful supplement or replacement for traditional face-to-face interviews. However, more research is needed to gain a robust understanding of how this type of interview meets basic assumptions about the quality of interviews and affects the overall rigor of qualitative research.
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 | 0,080 | 0,112 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,010 | 0,019 |
| Communication savante | 0,012 | 0,010 |
| Science ouverte | 0,004 | 0,011 |
| Intégrité de la recherche | 0,005 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,005 |
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 ».