Doing History: Introducing historical research methods
Notice bibliographique
Résumé
[Extract] Historical research is an area of research that remains elusive to many mainstream nursing researchers. Further complicating the matter is there a relative lack of literature explaining the how and why of this methodology. Put simply, historical research analyses a past event, concept, place or person in an attempt to address a knowledge gap in the literature. Historical research is guided by a research question, aim and objectives like all other forms of the inquiry. Historical researchers believe that there is an interconnectedness of variables such as context, time and place and attempt to better understand how such interconnectedness effected or signified past change. Historical narratives, the outcome of the research process, explicate these connections to the reader to increase awareness about why the past event or phenomenon being studied may have occurred or transpired. The incorporation of temporal, spatial and contextual information moves the research beyond being a simple description to a sophisticated understanding of the research topic. While historical research is primarily qualitative in nature, quantitative analysis approaches are becoming more common with technological advances including of course the advent of information technology. Examples include Erin Spinney’s , a Canadian historian, amazing work whereby she used spreadsheets to analyse the demographical data and wage rates amongst eighteenth and early nineteenth century British naval and military nurses but also more technologically driven initiatives such as using geographical information systems (GIS) to inform the historical researcher on the spatial considerations of their topic. Furthermore, the emergence of digital technologies and the progressive digitisation of historical sources means that researchers are increasingly turning to artificial intelligence to assist with quantifying their analysis. Finally, regardless of the type of inquiry, research topic or period being studied, historical research generally follows a set of methodological norms that go far beyond the use of footnotes and these will be addressed throughout this webinar.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,079 | 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 ».