Clean up Your Theory! Invest in Theoretical Clarity and Consistency for Higher-Impact Research
Notice bibliographique
Résumé
This essay starts from a concern that many empirical researchers undermine their rigorous empirical work by coupling it to unclear and inconsistent theory. I suggest this is because we underestimate the difficulty of achieving theoretical clarity and consistency. I illustrate the problem in detail by cataloging common ways we violate clarity and consistency in the articulation of theoretical constructs and relationships and illustrating these violations with examples from unpublished manuscripts. In addition, I draw on the management literature on theory writing as well as on the dual-process theory of cognition and the philosophy of science to identify and unpack three challenges to clear and consistent theory: the taxing cognitive effort required to turn ambiguous, associative intuition into logical arguments; the impossibility of achieving perfect clarity; and the existence of trade-offs between clarity and other valued qualities of theory, particularly generalizability. The implication is that researchers need to invest not just in empirical rigor but also, in theoretical rigor. Funding: The author’s research is supported in part by the Social Sciences and Humanities Research Council of Canada.
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 | 0,224 | 0,425 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,009 | 0,005 |
| Études des sciences et des technologies | 0,008 | 0,061 |
| Communication savante | 0,030 | 0,056 |
| Science ouverte | 0,004 | 0,021 |
| Intégrité de la recherche | 0,009 | 0,026 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,004 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».