Method in limbo? Theoretical and empirical considerations in using thematic analysis by veterinary and One Health researchers
Notice bibliographique
Résumé
This article spans a number of theoretical, empirical and practice junctures at the intersection of human and animal medicine and the social sciences. We discuss the way thematic analysis, a qualitative method borrowed from the social sciences, is being increasingly used by veterinary and One Health researchers to investigate a range of complex issues. By considering theoretical aspects of thematic analysis, we expand our discussion to question whether this tool, as well as other social science methods, is currently being used appropriately by veterinary and human health researchers. We suggest that additional engagement with social science theory would enrich research practices and improve findings. We argue that considerations of 'big theory' - ontological and epistemological positionings of the researcher - and 'small(er)' theory, the specific social theory in which research is situated, are both necessary. Our point of departure is that scientific discourse is not merely construction or ideology but a unique and continuing arena of debate, in part at least because of the elevation of self-criticism to a central tenet of its practice. We argue for further engagement with the core ideas and concepts outlined above and discuss them in what follows. In particular, and by way of focusing the point, we suggest that for veterinary, One Health, and human medical researchers to use thematic analysis to its maximum potential they should be encouraged to engage with both broader socio-economic theories and with questions of ontology and epistemology.
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 | 0,595 | 0,499 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,010 | 0,011 |
| Études des sciences et des technologies | 0,014 | 0,100 |
| Communication savante | 0,033 | 0,042 |
| Science ouverte | 0,008 | 0,022 |
| Intégrité de la recherche | 0,011 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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.
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 ».