Using Grounded Theory as a Method of Inquiry: Advantages and Disadvantages
Notice bibliographique
Résumé
There are many challenges and criticisms attached to the conduct of research, none the least of which is a notion that much of the research undertaken in professional disciplines such as nursing may not have clinical and/or practical relevance. While there are a plethora of qualitative research methods that individuals must consider when designing research studies, one method stands out - Grounded Theory (GT). Grounded theory was developed in the early 1960’s by Glaser and Strauss. With its theoretical orientation based in sociology, GT strives to understand and explain human behavior through inductive reasoning processes (Elliott & Lazenbatt, 2005). Because of its emphasis on the utilization of a variety of data sources that are grounded in particular contexts, GT provides a natural theoretical fit when designing nursing research studies. In this article, the authors provide an overview of GT and then describe the appropriateness, advantages, and disadvantages of applying it as part of the research design process. Additionally, the authors highlight the importance of taking a reflexive position to stay engaged while interacting with the data, and explore how to apply GT theory to particular research questions and studies. Finally, the strengths and limitations of this method of inquiry as applied to nursing research using a brief case study approach is presented.
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 | 0,297 | 0,284 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,011 | 0,018 |
| Études des sciences et des technologies | 0,006 | 0,026 |
| Communication savante | 0,020 | 0,021 |
| Science ouverte | 0,006 | 0,014 |
| Intégrité de la recherche | 0,009 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».