A comparison of two methods for studying emotional responses to archival work: Remote interviews and diaries
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.
Notice bibliographique
Résumé
Introduction. This paper reports on the use of two research methods to gather data from archivists on their emotional responses to archives and to document the experiences and emotions of archivists. It also draws on comments from the eight archivists who participated in both studies. Method. The research involved semi-structured, hour-long virtual interviews; solicited diaries; and monthly check-ins and exit interviews with diary-keepers. Analysis. The research team read, analysed, and coded the diary and interview data, as well as the notes from the check-in and exit interviews. We subjected the data to line-by-line analysis and coding. Emerging themes and patterns were identified and categorized, and interrelationships were then determined in an iterative and reflexive manner. Results. The study identified four major distinctions between the two methods. First, the interviews provided deeper insights into significant events, while diaries reflected day-to-day documentation of micro-events and emotions. Second, the interview script focused on negative emotions, whereas diaries captured a broader range of emotions. Third, interviews provided a more distant temporal perspective on past events, while diaries were time-dependent,. Finally, power different imbalances were inherent within each methodological approach. Conclusion. The use of different methods provided different insights into the emotional responses to archives and their causes as well as creating a different experience for the interviewees and diary-keepers.
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 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 | 0,050 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 découle