MétaCan
Menu
Retour à la cohorte
Enregistrement W4390982440 · doi:10.1111/medu.15298

The writer's voice repertoire: Exploring how health researchers accomplish a distinctive ‘voice’ in their writing

2024· article· en· W4390982440 sur OpenAlexaff
Lorelei Lingard, Chris Watling

Notice bibliographique

RevueMedical Education · 2024
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueDiscourse Analysis in Language Studies
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésMetaphorSnowball samplingNonprobability samplingPsychologyObjectivity (philosophy)NeutralitySociologyLinguisticsEpistemologyMedicine

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Much published research writing is dull and dry at best, impenetrable and off-putting at worst. This state of affairs both frustrates readers and impedes research uptake. Scientific conventions of objectivity and neutrality contribute to the problem, implying that 'good' research writing should have no discernible authorial 'voice'. Yet some research writers have a distinctive voice in their work that may contribute to their scholarly influence. In this study, we explore this notion of voice, examining what strong research writers aim for with their voice and what strategies they use. METHODS: Using a combination of purposive, snowball and theoretical sampling, we recruited 21 scholars working in health professions education or adjacent health research fields, representing varied career stages, research paradigms and geographical locations. We interviewed participants about their approaches to writing and asked each to provide one to three illustrative publications. Iterative data collection and analysis followed constructivist grounded theory principles. We analysed interview transcripts thematically and examined publications for evidence of the writers' described approaches. RESULTS: Participants shared goals of a voice that was clear and logical, and that engaged readers and held their attention. They accomplished these goals using approaches both conventional and unconventional. Conventional approaches included attention to coherence through signposting, symmetry and metacommentary. Unconventional approaches included using language that was evocative (metaphor, imagery), provocative (pointed critique), plainspoken ('non-academic' phrasing), playful (including humour) and lyrical (attending to cadence and sound). Unconventional elements were more prominent in non-standard genres (e.g. commentaries), but also appeared in empiric papers. DISCUSSION: What readers interpret as 'voice' reflects strategic use of a repertoire of writing techniques. Conventional techniques, used expertly, can make for compelling reading, but strong writers also draw on unconventional strategies. A broadened writing repertoire might assist health professions education research writers in effectively communicating their 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

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,770
Score d'incertitude au seuil0,747

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,125
Tête enseignante GPT0,381
Écart entre enseignants0,255 · 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

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical EducationMême sujetDiscourse Analysis in Language StudiesTravaux en français237 207