La utilización de Iramuteq en investigaciones educativas: una perspectiva cualicuantitativa para el análisis de datos textuales
Notice bibliographique
Résumé
El presente trabajo académico presenta el estudio realizado por el Grupo de Estudio e Investigación en Política Educativa y Evaluación - GEPPEA, del Programa de Posgrado en Educación de la UEPG, sobre el uso del software IRAMUTEQ para el análisis de datos textuales en investigaciones en el área de educación El programa genera varios informes, entre ellos: el análisis lexicográfico y la nube de palabras, que muestra la frecuencia de palabras en el corpus textual; la Clasificación Jerárquica Descendente (CHD) que identifica varias clases de segmentos de texto y las correlaciones entre ellos; y, el análisis de similitud que presenta las co-ocurrencias entre las palabras y el grado de similitud entre ellas. Todos estos informes generan datos cuantitativos que permiten realizar un análisis cualitativo en la generación de argumentos para sustentar los objetos de estudio en investigaciones y trabajos académicos, constituyendo así una posibilidad de análisis cualitativo y cuantitativo de datos empíricos en la investigación educativa.
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 | 0,040 | 0,152 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,010 | 0,008 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,004 |
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 ».