MétaCan
Menu
Back to cohort
Record W4394995902 · doi:10.7202/1110574ar

Clarification conceptuelle de la méthode de triangulation en recherche qualitative

2023· article· fr· W4394995902 on OpenAlexaffvenue
Rosine Horincq Detournay, François Guillemette, Jason Luckerhoff

Bibliographic record

VenueEnjeux et société Approches transdisciplinaires · 2023
Typearticle
Languagefr
FieldSocial Sciences
TopicEducation, sociology, and vocational training
Canadian institutionsUniversité du Québec à Trois-Rivières
Fundersnot available
KeywordsPhilosophy

Abstract

fetched live from OpenAlex

Cet article aborde le concept de triangulation, l’un des concepts méthodologiques les plus largement mobilisés en recherche. Spécifiquement associé aux phases finales d’analyse des données, il représente pour plusieurs un gage de rigueur scientifique. De fait, nos analyses montrent que la triangulation est souvent considérée comme une méthode assurant la validité des résultats ou permettant de les enrichir. Dans cet article, nous souhaitons inciter le lecteur à étendre sa compréhension de cette méthode en interrogeant la vision réductrice qu’on s’en fait ordinairement, spécialement en ce qui a trait au potentiel épistémologique qu’elle présente. En effet, en recherche qualitative, la triangulation constitue une analyse qui ne permet pas de conférer une plus grande validité aux résultats et qui ne permet pas non plus de simplement apporter une analyse de plus. C’est une analyse construite à partir de deux analyses déjà réalisées et c’est une analyse de nature distincte qui vise à obtenir des résultats impossibles à générer sans elle. De fait, si l’on tient compte de son domaine d’application d’origine, soit la géométrie, on comprend que la triangulation, en recherche qualitative, consiste à comparer une analyse ou un angle de vue – l’angle A – à un autre – l’angle B –, afin de construire un troisième angle de vue – l’angle C – qui ne sera ni l’angle A, ni l’angle B, ni la validation de l’un ou de l’autre, ni l’ajout d’une deuxième analyse, soit l’angle B, à une première analyse, l’angle A. En géométrie, et en trigonométrie, la triangulation permet, après avoir construit l’angle C, de construire plusieurs autres mesures, comme la longueur des côtés et la longueur des hauteurs. Par analogie, en recherche qualitative, la triangulation donne lieu à une discussion ou à une confrontation des désaccords émanant de deux analyses pour en arriver à une troisième, et donc à l’obtention de résultats qui n’auraient pu jaillir de la validation ni de l’addition de ces deux analyses. En d’autres mots, utiliser la triangulation pour valider ou pour additionner deux analyses, c’est se priver du potentiel qu’offre cette méthode : ouvrir les analyses déjà réalisées à une ou plusieurs analyses construites à partir de la discussion de ces analyses déjà faites.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.091
metaresearch head score (Gemma)0.145
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesMetaresearch
Consensus categoriesnone
DomainCandidate signal: Methods · Consensus signal: none
Study designCandidate signal: Theoretical or conceptual · Consensus signal: Theoretical or conceptual
GenreCandidate signal: Methods · Consensus signal: Methods
Teacher disagreement score0.909
Threshold uncertainty score0.481

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0910.145
Meta-epidemiology (narrow)0.0020.001
Meta-epidemiology (broad)0.0020.004
Bibliometrics0.0080.008
Science and technology studies0.0070.031
Scholarly communication0.0160.017
Open science0.0040.011
Research integrity0.0050.010
Insufficient payload (model declined to judge)0.0200.004

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.583
GPT teacher head0.608
Teacher spread0.026 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

Study designTheoretical or conceptual
DomainMethods
GenreMethods

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations6
Published2023
Admission routes2
Has abstractyes

Explore more

Same venueEnjeux et société Approches transdisciplinairesSame topicEducation, sociology, and vocational trainingFrench-language works237,207