Mixed methods research teams: leveraging integrative teamwork for addressing complex problems
Notice bibliographique
Résumé
Mixed methods research teams have garnered increased attention for their leveraging of diverse disciplinary and methodological expertise in pursuit of complex problems. We advance our theoretical viewpoint of integrative mixed methods research teamwork as necessary with empirical evidence demonstrating the equipping mixed methods researchers to study complex problems involving interacting systems and lacking known solutions. Integrative mixed methods research teamwork is distinguishable by the purposeful integration of qualitative and quantitative perspectives to generate novel outcomes that are greater than the sum of individual members’ contributions. Among the key dilemmas faced by mixed methods researchers wanting to work integratively within a team is the lack of practical guidance for how to get started, how to recognize the emergence of synergistic outcomes, and how to sustain a team’s integrative work. To begin addressing this gap, we describe three practical insights gleaned from examining our team interactions and outcomes using a reflection-in-action process during a recent empirical mixed methods case study of literacy practices. In our examination, we test the practical usefulness of a theoretical framework for demystifying the development of a mixed methods research team’s integrative capacity. Our insights contribute to refining teamwork practices by identifying enablers of integrative capacity and proposing ways to overcome hindrances that have not been previously elucidated. We argue that the capacity for integrative teamwork is essential for researchers employing mixed methods, allowing them to leverage inherent synergies when addressing complex problems.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».