MétaCan
Menu
Retour à la cohorte
Enregistrement W4382393838 · doi:10.5964/meth.10863

The logics of and strategies to enhance generalization of mixed methods research findings

2023· article· en· W4382393838 sur OpenAlexaff
Ahtisham Younas, Ángela Durante

Notice bibliographique

RevueMethodology · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésGeneralizationContext (archaeology)Computer scienceInterpretation (philosophy)Management scienceArtificial intelligencePsychologyEpistemologyEngineeringBiology

Résumé

récupéré en direct d'OpenAlex

Generalization of research findings is a cognizant action entailing careful examination and interpretation of findings drawn from specific samples and extrapolation of those findings to other diverse populations and settings. Approaches to generalization in qualitative and quantitative research have been discussed in the literature. However, there is limited discussion about the nature of generalization and strategies for achieving plausible generalization in mixed methods research. The purpose of this paper is to explore the logics of generalization in mixed methods and offer strategies to enhance generalization in mixed methods research. Three strategies namely, multilevel integration, comprehensive description of mixed methods and findings, and generating strong and plausible inferences and metainferences can enhance the extent to which findings of mixed methods studies can be translated outside of their own original context. These strategies may allow researchers to effectively combine qualitative and quantitative methodologies and generate findings for use in diverse contexts and settings.

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.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Méthodes
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Théorique ou conceptuellow
gptMétarecherche
Domaine: Méthodes · Genre: Méthodes
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Théorique ou conceptuelmedium
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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)0,802
score de la tête « metaresearch » (Gemma)0,772
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: Méthodes
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,198
Score d'incertitude au seuil0,244

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,8020,772
Méta-épidémiologie (sens strict)0,0030,005
Méta-épidémiologie (sens large)0,0040,006
Bibliométrie0,0180,010
Études des sciences et des technologies0,0090,049
Communication savante0,0230,033
Science ouverte0,0080,035
Intégrité de la recherche0,0090,014
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 Opus0,950
Tête enseignante GPT0,844
Écart entre enseignants0,106 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

Métarecherche

Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.

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

Citations14
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMethodologyMême sujetHealth Policy Implementation ScienceCatégorieMétarechercheTravaux en français237 207