Interdisciplinary mixed methods systematic reviews: Reflections on methodological best practices, theoretical considerations, and practical implications across disciplines
Notice bibliographique
Résumé
Literature reviews have recently gained increased recognition for their value in advancing knowledge and decision making across disciplines. While interdisciplinary mixed-methods systematic reviews create opportunities to synthesize knowledge and insights from across disciplines, it is important to highlight the challenges, successes, and theoretical and practical considerations in combining research from various disciplines and research methodologies. In this article, we reflect on our experiences with conducting an interdisciplinary mixed-methods systematic review and outline theoretical and practical considerations involved in ensuring that methodologically rigorous, transparent, and meaningful research was achieved. As a group of academics from Education, Medicine, Nursing, and Social Work, who worked together on an interdisciplinary mixed-methods systematic review, we offer insights from our personal experiences as a transparent exemplar for how we embraced the challenges in conducting our project and managed the bottlenecks that often occur in interdisciplinary 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 | 0,796 | 0,751 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,005 |
| Méta-épidémiologie (sens large) | 0,007 | 0,008 |
| Bibliométrie | 0,011 | 0,015 |
| Études des sciences et des technologies | 0,018 | 0,056 |
| Communication savante | 0,052 | 0,064 |
| Science ouverte | 0,015 | 0,043 |
| Intégrité de la recherche | 0,029 | 0,054 |
| 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 ».