Considerations for the use of qualitative methodologies in genetic counseling research
Notice bibliographique
Résumé
An abundance of qualitative research is being conducted within the genetic counseling field. As this area of research expands, many within our community are "learning through doing", an approach which is practical, but may lack theoretical grounding. This can result in study outputs that do not have the sort of utility for informing clinical practice that is the hallmark of excellent clinical qualitative research. Furthermore, our alignment as a discipline within the health sciences, which still tends to favor quantitative approaches, means that we may often be obliged to justify the use of qualitative methodologies, especially when we intend to use the findings for informing clinical practice. We aim to address these issues by providing guidance about how we, individually and collectively, might think about what excellent qualitative research can look like in our field. In addition to providing information and resources about current best-practices, we discuss how quality can be ensured and evaluated. We seek to legitimize the idea of developing a philosophy of research in pursuit of establishing genetic counseling as an academic discipline. We argue that the principles, ethics, values, and practices of genetic counseling are sufficiently unique that establishing a discipline-specific qualitative research framework is not only warranted, but essential. Ultimately, we hope that this paper can serve as a launching point from which additional discussion about qualitative research can emanate as we strive towards the elevation of this form of inquiry in our field.
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 | 0,866 | 0,857 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,006 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,013 | 0,012 |
| Études des sciences et des technologies | 0,028 | 0,128 |
| Communication savante | 0,045 | 0,051 |
| Science ouverte | 0,017 | 0,038 |
| Intégrité de la recherche | 0,027 | 0,030 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
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 ».