Reflection/Commentary on a Past Article: “A Practical Iterative Framework for Qualitative Data Analysis”
Notice bibliographique
Résumé
This submission is a reflection by Srivastava and Hopwood on their earlier article, A Practical Iterative Framework for Qualitative Data Analysis, originally published in International Journal of Qualitative Methods in 2009, and selected for the journal’s special anniversary issue, “Top 20 in 20.” They discuss how they have applied the framework in their various studies since then, Srivastava, primarily in field-based international research in education and global development, and Hopwood, in education and health. Based on a brief analysis of the paper’s citations, they identify its impact to have been: in a wide variety of fields crossing disciplinary boundaries, studies situated in a range of domestic and international contexts, studies analyzing data from intersectional perspectives and conducted with marginalized participant groups, referred to in methodological textbooks and publications, and used by researchers of all levels of experience, independently or in teams. They end by identifying what they consider to be key emerging topics associated with qualitative data analysis, Hopwood, on nonrepresentational and posthumanist perspectives and the implications of “postcoding,” and Srivastava on considering the agency of less privileged, marginalized, or vulnerable participants in data collection and analysis.
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 | 0,127 | 0,366 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,021 | 0,037 |
| Communication savante | 0,023 | 0,024 |
| Science ouverte | 0,013 | 0,015 |
| Intégrité de la recherche | 0,043 | 0,113 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».