MétaCan
Menu
Retour à la cohorte
Enregistrement W4313120799 · doi:10.1177/16094069221142997

Theoretically Informed Hospital Ethnography: Reflecting on Method

2022· article· en· W4313120799 sur OpenAlexaff
Louise Chartrand

Notice bibliographique

RevueInternational Journal of Qualitative Methods · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare Systems and Practices
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésEthnographySociologyHealth careEpistemologyField (mathematics)CriticismOntologyQualitative researchIntermediaryParticipant observationEngineering ethicsManagement scienceKnowledge managementSocial scienceComputer sciencePolitical scienceBusinessPhilosophyLawEngineering

Résumé

récupéré en direct d'OpenAlex

Disciplines anchor themselves using a particular kind of epistemology and ontology to produced it’s knowledge. In healthcare, quantitative research has been dominant were in social sciences, qualitative research was. However, in the last two decades, we have seen a mixing (better said in French with the word métissage) of strategies within those two disciplines. Despite the newfound acceptance of qualitative research within the healthcare field, some criticism about those strategies still exists and still impact the feasibility of conducting qualitative research, especially in hospital setting. More particularly, when it comes to the systematisation of the method, when conducting ethnography. In this paper, I argue that ethnography does remain scientifically rigorous, especially when it is informed by theory and used consistently. This article presents the ways in which I negotiated the uncertainties of doing a hospital ethnography on the use of the ventilator by using concepts from Latour’s (2005) Actor’s Network Theory, of ‘mediators’ and ‘intermediaries’. Staying attuned to various actors in the healthcare setting and taking care to ensure that whatever my research brought into the field maintained an intermediary status enabled me to alter my methods in the field while still respecting the necessity to gather data systematically.

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)0,083
score de la tête « metaresearch » (Gemma)0,082
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,917
Score d'incertitude au seuil0,439

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0830,082
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0080,023
Communication savante0,0100,011
Science ouverte0,0040,016
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,789
Tête enseignante GPT0,788
Écart entre enseignants0,000 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeQualitatif
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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Qualitative MethodsMême sujetHealthcare Systems and PracticesTravaux en français237 207