Participatory Member Checking: A Novel Approach for Engaging Participants in Co-Creating Qualitative Findings
Notice bibliographique
Résumé
Member checking is a technique which aims to increase the trustworthiness or rigour of qualitative research by asking participants to comment on study findings. However, traditional methods of member checking (e.g., transcript reviews) face scrutiny for being ineffective or tokenistic ways of eliciting participant feedback. Emerging member checking approaches seek to evoke feedback in more meaningful ways. While these alternatives have merit, persistent challenges include eliciting critical feedback, time constraints, supporting an ongoing dialogue with participants, and setting future research directions. To address these challenges, we introduce a novel alternative to member checking, “Participatory Member Checking” (PMC). PMC draws from the principles of Patient Engagement (a participatory approach) and promotes the co-creation of qualitative research findings between participants and researchers across five steps: (1) Elicit Feedback, (2) Summarize Feedback, (3) Check for Understanding, (4) Implement Feedback, and (5) Demonstrate Accountability. PMC encourages critical feedback, is practical and efficient, promotes ongoing dialogue through both written and verbal feedback, and involves participants in setting future research directions. The present article presents PMC in the context of a qualitative study exploring patient partners’ experiences of being engaged in research projects supported by the Canadian Institutes of Health Research. We describe PMC in sufficient detail to facilitate uptake by other researchers, show how PMC meaningfully impacted our research findings, and demonstrate the acceptability of PMC among a group of 11 participants (Median age = 62, range = 25–82, 81.8% women). Considerations for adopting PMC in future research are discussed.
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 | 0,042 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 ».