Un problème de chiffres : l’utilisation des connaissances empiriques en statistique dans la théorie sociale classique
Notice bibliographique
Résumé
En se référant à des exemples précis de théoriciens reconnus ou non de la sociologie duxixeau début duxxesiècle, et en prenant en compte les écrits de Georg Simmel quant à la détermination quantitative des groupes sociaux comme cadre théorique et point thématique de départ, cet essai considère la diversité des formes de connaissances qui caractérisent certains des textes fondateurs de la sociologie. Nous nous concentrons en particulier sur l’utilisation de tableaux statistiques, d’enquêtes, ou d’autres moyens de générer et de rendre compte d’une connaissance empirique au sein du travail de théoriciens sociaux classiques tels que Durkheim et Tarde, Marx et Engels, Max et Alfred Weber, ainsi que des données numériques sur lesquelles ils se sont appuyés ou qu’ils ont générées, cela incluant Quetelet, Kay-Shuttleworth et Du Bois. Nous conclurons en regardant en quoi un examen des méthodes empiriques et statistiques en sociologie classique nous aide à voir que le conflit entre les approches qualitatives et quantitatives qui divise la sociologie d’aujourd’hui est en grande partie dû à l’évolution ultérieure de la division disciplinaire du travail et d’une spécialisation professionnelle de la connaissance, un problème que les travaux de Simmel nous aident à exposer et à traiter.
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 | 0,178 | 0,313 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,010 | 0,012 |
| Études des sciences et des technologies | 0,011 | 0,073 |
| Communication savante | 0,020 | 0,031 |
| Science ouverte | 0,007 | 0,012 |
| Intégrité de la recherche | 0,006 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».