Reflecting on reflections: Critically apprising the benefits of member reflections for researchers, participants, findings, and studies
Notice bibliographique
Résumé
Research rigour is the alignment of methodology with philosophical paradigms, while maintaining precision and cohesiveness of ideas; it is a mark of research excellence. Adding rigor to qualitative research can occur through member reflections, which offers an opportunity to clarify ideas, explore gaps in initial findings, and generate additional data with participants. The purpose of this presentation is to critically appraise the benefits of member reflections to researchers, participants/knowledge-users, study findings, and overall research program. Using our own research as an exemplar, member reflections were employed in developing a user-informed and athlete-tailored self-compassion program for women athletes. In our study, member reflections occurred through multiple phases of focus groups. Engaging in multiple phases of data generation meant the researchers spent more time immersed in the data and conversing with participants, which led to many initially unexplored questions, insights to which offered depth and richness to the final findings. Follow-up focus groups allowed the researchers to lean into those questions to explore gaps in initial findings and clarify ideas from initial data generation. Member reflections also offered an opportunity to more fully co-produce findings with knowledge users, who were women athletes in our study. These additional insights served to amplify participant voices (which may otherwise go unheard), and generate meticulous, robust, and enriched findings to inform future phases of our larger research project. Member reflections create an opportunity for researchers to gain clarity and depth, as findings are co-produced with participants, which generates rigorous research to inform future studies.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,262 | 0,544 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,023 | 0,049 |
| Communication savante | 0,040 | 0,028 |
| Science ouverte | 0,006 | 0,037 |
| Intégrité de la recherche | 0,012 | 0,029 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».