MétaCan
Menu
Retour à la cohorte
Enregistrement W4404741294 · doi:10.1080/1743727x.2024.2432282

Reflexive approaches to sampling, survey design and implementation: some practical examples from rural India

2024· article· en· W4404741294 sur OpenAlex
Benjamin Alcott, Suman Bhattacharjea, Ricardo Sabatés, Maria Khwaja, Akanksha Pandey, Purnima Ramanujan, Wilima Wadhwa, Poorva Shekher, Pratik Wadmare

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueInternational Journal of Research & Method in Education · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIncome, Poverty, and Inequality
Établissements canadiensASTER
Organismes subventionnairesEconomic and Social Research CouncilWm. Wrigley Jr. Company
Mots-clésReflexivitySampling (signal processing)Survey researchSociologySampling designComputer scienceManagement scienceMathematics educationPsychologyEngineeringSocial scienceApplied psychologyTelecommunications

Résumé

récupéré en direct d'OpenAlex

Reflexivity in quantitative research is central to questioning the ways in which the data is designed, collected and interpreted. It requires the researcher to be reflexive about their knowledge, their positionality, and the bias they may bring at each stage of the research. Unfortunately, though, limited evidence exists on the use of reflexive approaches to adapt more ‘standardised’ approaches to quantitative research, such as sampling, design of survey instruments and the use of scales for measurement. Using the case of a large-scale data collection which took place in Uttar Pradesh, India, this paper demonstrates the challenges of sampling villages and selecting teachers and students as main sampling units. We further demonstrate the adaptation required with language and standard measure scales as well as how to consider enumerators as key stakeholders in the process of data collection. We argue that adaptions to standardised techniques are necessary to enhance the validity of quantitative research when working in diverse contexts.

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.

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)0,025
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,414
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0250,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
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 Opus0,602
Tête enseignante GPT0,634
Écart entre enseignants0,031 · 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