Я просто подумал, что задам этот вопрос здесь, потому что в настоящее время я работаю над метаанализом конкретного исследовательского вопроса в моей области (HCI/информатика). Более того, этот вопрос является новым и до сих пор не получил подробного ответа.
Я сделал большинство обычных способов, описанных в других ресурсах, следующим образом:
Я сделал всесторонний обзор соответствующей литературы, относящейся к этому конкретному исследовательскому вопросу. Это новая область, и количество статей, имеющих непосредственное отношение к ней , ~<50. Я также составил исчерпывающую библиографию статей, косвенно относящихся к этой области. Это число ~<150.
Из этого набора непосредственно относящейся к делу литературы я выделил 23 количественных эмпирических исследования, 14 качественных эмпирических исследований, а остальные представляют собой теоретические статьи/позиционные статьи/основные документы.
Проблема, с которой я сейчас сталкиваюсь, заключается в том, как проводить метаанализ данных. В HCI не принято свободно распространять эмпирические наборы данных (хотя в атмосфере неизбежны признаки изменений. :)), и я разослал вежливые электронные письма соответствующим исследователям, спрашивая, могу ли я каким-либо образом получить доступ к этим наборам данных. Уровень ответов на мое электронное письмо составляет ~ 50%, но только около ~ 5% хотят активно делиться своими наборами данных.
Таким образом, единственный другой вариант (который я вижу прямо сейчас) — это собрать, обобщить и осмыслить данные и результаты, уже представленные в качественных и количественных статьях.
Мне было интересно, есть ли у кого-нибудь из вас, опытных ( а также не очень опытных :)), академиков/исследователей, какие-либо идеи о том, как на самом деле проводить метаанализ снизу вверх.
Приведены основные онлайн-ресурсы, которые я использовал до сих пор для решения этой проблемы.
Пожалуйста, обратите внимание, что я не ожидаю подробного пошагового ответа о " кормлении с ложки ". Указание мне на некоторые полезные ресурсы в порядке. Кроме того, личные анекдоты или ценный опыт будут действительно оценены.
Спасибо, что нашли время, чтобы прочитать этот вопрос.
Удачи тебе. Я пытаюсь сделать что-то подобное и обнаружил, что лишь немногие статьи по HCI публикуют достаточно сводной статистики для проведения надлежащего метаанализа. Действительно, большую часть времени их статистика кажется довольно неряшливой.
Я сделал свой анализ похожим на два найденных мною обзорных документа. Один также из области HCI (Dehn & Van Mulken, 2000) и один из более отдаленных районов (Jones & Gosling, 2005).
Ни один из них не является настоящим мета-анализом, но они настолько близки к формальным, насколько это разумно, когда фактический мета-анализ просто невозможен.
Один из подходов к этому, независимо от области, состоит в том, чтобы создать структуру для размещения существующих исследований. Возможно, у вас есть два измерения: цвет (красный, зеленый, желтый) и запах (сладкий, кислый) — и вы просматриваете всю предшествующую литературу. и поместите его в «ведра» вашего фреймворка.
Что это на самом деле делает, и почему вы хотите, чтобы это было в вашей диссертации, так это создание вашего вклада. Классифицируя все предыдущие исследования, вы (надеюсь!) определили пробел, который ваша работа заполнит. Итак... тщательно выбирайте ведра!
ps, я понимаю, что это не статистический ответ, но я надеюсь, что он будет полезен или, возможно, прольет некоторый свет, который поможет вам увидеть полезный путь вперед.
Я действительно поддерживаю использование веб-сайта Cochrane Collaboration для метаанализа и систематического обзора.
Еще одним хорошим ресурсом является контрольный список PRISMA , который часто используется журналами и рецензентами в области здравоохранения при оценке статей. У PRISMA также есть хорошие рекомендации по форматированию/представлению включенных статей и созданию блок-схемы процесса рецензирования (опять же, это часто требуется в журналах, связанных со здоровьем). Удачи!
Одно замечание, помимо очень полезных, которые вы уже получили. Хотя вы приступили к «метаанализу», который часто преследует очень конкретную цель — получить одну (или небольшое количество) сводных оценок для всей области, вам не следует прибегать к написанию «просто» систематический обзор как провал.
Вместо этого «литература в этой области не может быть статистически обобщена в ее нынешнем состоянии» следует рассматривать как открытие само по себе.
Энди В.
Шион
Томас Х
Шион
Томас
Шион