MétaCan
Menu
Retour à la cohorte
Enregistrement W4285470386 · doi:10.29034/ijmra.v13n2a3

Editing Questionnaire Items using the Delphi Method: Integrating Qualitative and Quantitative Methods

2021· article· en· W4285470386 sur OpenAlexaff
Kim Mitchell, Diana E. McMillan, Michelle Lobchuk, Nathan Nickel

Notice bibliographique

RevueInternational Journal of Multiple Research Approaches · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDelphi Technique in Research
Établissements canadiensUniversity of ManitobaRed River College
Organismes subventionnairesnon disponible
Mots-clésComputer scienceQualitative propertyDelphiDelphi methodSituatedStrict constructionismQualitative researchData scienceManagement scienceKnowledge managementSociologyEpistemologyEngineeringArtificial intelligenceSocial science

Résumé

récupéré en direct d'OpenAlex

The authors of this article argue that instrument development studies can be situated within constructive realism, an intermediary ontology between the representative constructed items and objectivist goals of measurement. The Delphi method uses constructionist processes by gathering expert opinions about the variable they wish to measure. Despite its popularity, little pragmatic guidance exists for researchers using the method in instrument development studies and authors of instrument development studies rarely describe the strategies used to decide when to keep, edit, or delete items when merging both quantitative and qualitative assessments of the developing items. This article, therefore, describes mixed methods decision-making strategies as they were implemented during the Delphi phase of the Situated Academic Writing Self-Efficacy Scale (SAWSES) validation project. Five case-study items are presented to highlight the strategies used to integrate the qualitative and quantitative data provided by a Delphi panel. Data were integrated by categorizing the quantitative data as having strong evidence for inclusion, deletion, or neutrality. Concurrently, qualitative data were integrated with the quantitative data by contemplating panellists’ individual and collective opinions about item value and wording, as well as stream-of-consciousness reflections from panellists about the nature of writing self-efficacy. This article contributes to the literature by describing, through use of specific examples, how qualitative and quantitative data can be effectively integrated to make decisions in mixed methods instrument development research and should be useful for all beginning and seasoned researchers attempting tool development.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,256
score de la tête « metaresearch » (Gemma)0,282
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,744
Score d'incertitude au seuil0,917

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2560,282
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0120,007
Études des sciences et des technologies0,0070,009
Communication savante0,0070,008
Science ouverte0,0040,013
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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.

Tête enseignante Opus0,707
Tête enseignante GPT0,670
Écart entre enseignants0,037 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
DomaineMéthodes
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Multiple Research ApproachesMême sujetDelphi Technique in ResearchTravaux en français237 207