Using Criteria of Significance to Make Sense of Data: Implications for Qualitative Research
Notice bibliographique
Résumé
For many qualitative researchers, the task of dealing with huge amounts of data can be overwhelming. In many qualitative research methodologies, procedures for making sense of large amounts of data are often intentionally unclear and open to interpretation due to the wide range of variability of data and research context. This can be problematic for novice and experienced researchers alike as they consider what parts of their data to feature, exemplify and draw conclusions from. This article puts forth a construct that makes explicit the logics of two researchers using what they label as “criteria of significance” to make sense of their qualitative data. The Criteria of Significance (CoS) serves as a defensible set of criteria by which data is given increased or decreased value regarding its use in the final analysis and conclusions drawn from a study. This paper examines two qualitative studies (Hirschkorn, 2008; Morrison, 2018) and explores how CoS was used to differentiate the data used in their findings.
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 | 0,675 | 0,803 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,014 | 0,017 |
| Études des sciences et des technologies | 0,020 | 0,120 |
| Communication savante | 0,027 | 0,038 |
| Science ouverte | 0,009 | 0,023 |
| Intégrité de la recherche | 0,009 | 0,017 |
| 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».