Grounding Theory in Digital Data: A Methodological Approach for a Reflective Procedural Framework
Notice bibliographique
Résumé
Instead of looking for new paradigms for Digital Humanities (DH), we present Grounded Theory Methodology (GTM) as a methodological approach to frame digital research practices more reflectively. By turning to the epistemological and practical implications of digital tools like Topic Modeling and digital data sources like YouTube comments, we highlight the theoretical assumptions that are already in the game—and call for more explicitness and methodical monitoring. To explain the procedures of GTM and the proposed worth for DH, we present an example of a qualitative research project using machine learning techniques to narrow down a large scale of data to human interpretable resample. The methodically monitored resampling process provided valuable means to validly minimize the amount of data without losing a qualitative trajectory of the process itself. Defining and tracing _relevant_ content in our original data set enabled us to find related comments and textual conversations to be analyzed further. We discuss the example iteration in two ways: Our prototype and procedure show on the one hand, how qualitative research and computational methods can be better intertwined without compromising their epistemological foundations. On the other hand, we argue for an understanding of DH as research practice, that should follow an abductive research agenda in order to ground its theories in data.
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 | 0,232 | 0,201 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,012 | 0,010 |
| Études des sciences et des technologies | 0,009 | 0,079 |
| Communication savante | 0,024 | 0,026 |
| Science ouverte | 0,010 | 0,017 |
| Intégrité de la recherche | 0,006 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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; 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 ».