Bibliographic record
Abstract
La Méthodologie de la théorisation enracinée (MTE), ou Grounded Theory, est reconnue pour sortir des sentiers battus, car elle diffère des démarches hypothético-déductives qui prévalent actuellement en recherche. Les principes d’enracinement des analyses dans les données, de théorisation inductive, d’ouverture à l’émergence, de remise en question constante des résultats provisoires et de circularité entre la collecte et l’analyse des données inscrivent résolument la MTE dans le courant de la découverte et de l’innovation. Ce livre, regroupant les textes de plusieurs spécialistes, rend compte de la riche diversité des approches et des usages de la MTE et des nombreuses perspectives qu’elle ouvre. Destiné aux étudiants et aux professeurs, il présente les enjeux fondamentaux liés à la MTE ainsi que des projets de recherche dans différentes disciplines (arts, éducation, communication, sociologie, santé, administration et management) utilisant cette méthode féconde. L’intérêt de cet ouvrage réside dans son contenu résolument pratique. L’étudiant qui souhaite mener une recherche avec la MTE y trouvera des solutions pratiques à des problèmes courants. Ce livre présente également des exemples de ce à quoi ressemble, une fois achevée, une étude réalisée avec la MTE. Ainsi, le chercheur novice peut acquérir une meilleure idée de l’objectif à atteindre. Toute personne siégeant à un comité d’évaluation devrait aussi posséder un exemplaire de ce livre, le lire et s’y reporter au besoin. Ce livre l’aidera à comprendre pourquoi les projets de recherche en MTE n’ont pas de structure strictement prédéfinie et pourquoi ils doivent faire place à beaucoup de flexibilité tout au long de la démarche. Les connaissances qu’étudiants et professeurs auront acquises par la lecture de ce livre devraient leur permettre d’être mieux préparés à s’orienter dans le dédale des démarches inhérentes à la réalisation de tout projet de recherche : soit la rédaction de projets de recherche, la collecte et l’analyse des données. Juliet Corbin (DNSc), San Jose State University, University of Alberta,International Institute for Qualitative Methodology, International Institute for Qualitative Research.
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 imitationNot 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.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.047 | 0.077 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.006 | 0.008 |
| Science and technology studies | 0.004 | 0.018 |
| Scholarly communication | 0.015 | 0.014 |
| Open science | 0.004 | 0.008 |
| Research integrity | 0.003 | 0.009 |
| Insufficient payload (model declined to judge) | 0.027 | 0.006 |
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.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".