MétaCan
Menu
Retour à la cohorte
Enregistrement W4388750783 · doi:10.1177/16094069231211145

Building a Functional Resonance Analysis Method Model: Practical Guidance on Qualitative Data Collection and Analysis

2023· article· en· W4388750783 sur OpenAlexafffund
Alexis McGill, Rose McCloskey, Doug Smith, Vahid Salehi, Brian Veitch

Notice bibliographique

RevueInternational Journal of Qualitative Methods · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensUniversity of New BrunswickMemorial University of Newfoundland
Organismes subventionnairesOcean Frontier Institute
Mots-clésOperationalizationData collectionProcess (computing)Computer scienceQualitative researchManagement sciencePlan (archaeology)Health careProcess managementData scienceQualitative analysisQuality (philosophy)Knowledge managementEngineeringSociology

Résumé

récupéré en direct d'OpenAlex

The Functional Resonance Analysis Method (FRAM) is a novel research methodology that uses qualitative data collection methods to map and model complex healthcare processes by identifying and depicting the cumulative activities required to produce an outcome. The FRAM aims to identify the variability that can emerge in a process when healthcare activities are performed under dynamic conditions. With this knowledge, health care system design, safety, and quality improvement recommendations can be developed with a greater understanding of everyday process functionality. Researchers interested in using the FRAM require both an understanding of the methodology itself, as well as an understanding of how to effectively plan and conduct qualitative research. The purpose of this paper is to provide practical guidance to researchers on planning and operationalizing qualitative data collection and analysis methods to inform the building of a FRAM model. A combination of literature and practical experience will be used to examine and suggest appropriate ways for researchers to carry out this work.

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
Sans objetlow
gptMétarecherche
Domaine: Méthodes · Genre: Méthodes
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Théorique ou conceptuelhigh
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,094
score de la tête « metaresearch » (Gemma)0,048
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,725
Score d'incertitude au seuil0,960

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0940,048
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,007
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,963
Tête enseignante GPT0,859
Écart entre enseignants0,103 · 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'étudeSans objet · Théorique 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

Citations10
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Qualitative MethodsMême sujetHealth Policy Implementation ScienceCatégorieMétarechercheTravaux en français237 207