Intra-Study Matching Considerations When Using Mixed Methods-Based Research Approaches: A Critical Dialectical Pluralistic Approach
Notice bibliographique
Résumé
The step of obtaining a sample(s) (i.e., sampling) in mixed methods-based research studies likely represents the least developed step in the research process, with only 21 Scopus-indexed works published on the topic to date. Consequently, the time is rife for mixed methods-based researchers to develop sampling designs that are more TREEful—that is, transparent, rigorous, equitable, and ethical—especially when sampling among/between phases/components. Because, more than the other 13 mixed methods-based research philosophies, critical dialectical pluralism especially is concerned with the welfare of research participants, and because the sampling step is subject to misuse and abuse of participants, the use of a critical dialectical pluralist lens to ensure that mixed methods-based sampling designs are as TREEful as possible has logical appeal. Therefore, in this editorial, we have provided a meta-framework,1 via a critical dialectical pluralism lens, for selecting samples for each of the following four types of relationships among/between phases/components identified by Onwuegbuzie and Collins (2007), namely, identical samples, parallel samples, nested samples, and multilevel samples. This lens has led to the identification of several options for minimizing, or at least reducing, what we refer to as identical sampling bias, parallel sampling bias, nested sampling bias, and multilevel sampling bias such that samples are optimally matched within a single mixed methods-based research study. In the context of mixed methods-based research, matching refers to the process of forming groups to make them as similar as possible with respect to extraneous or confounding factors (e.g., demographic variables [e.g., gender, age]; personality variables [e.g., resilience]; affective variables [e.g., motivation]). In particular, we outline the use of several matching techniques—specifically, exact matching, greedy matching, optimal matching, propensity score matching, subclassification, and magnitude coding—for addressing these different forms of bias. We encourage mixed methods-based researchers to explore using one or more of these matching techniques, whenever appropriate, regardless of their philosophical stance, in order to avoid researcher participants from being misrepresented.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Méthodes Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Théorique ou conceptuel | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Méthodes Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Qualitatif | low |
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 | 0,714 | 0,780 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,011 | 0,009 |
| Études des sciences et des technologies | 0,010 | 0,039 |
| Communication savante | 0,030 | 0,020 |
| Science ouverte | 0,013 | 0,016 |
| Intégrité de la recherche | 0,017 | 0,022 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».