MétaCan
Menu
Retour à la cohorte
Enregistrement W2055291327 · doi:10.1177/0539018412437107

Les concepts souffrent-ils de négligence bénigne en sciences sociales? Eléments d’analyse conceptuelle et examen exploratoire de la littérature francophone à caractère méthodologique

2012· article· en· W2055291327 sur OpenAlexaff
Pierre‐Marc Daigneault, Steve Jacob

Notice bibliographique

RevueSocial Science Information · 2012
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation, sociology, and vocational training
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésEpistemologySociologyPsychologyHumanitiesLibrary scienceComputer sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Concepts are essential to any scientific endeavour aimed at ‘discovering’ the nature of ‘reality’. Yet, concepts and their analysis have received scant attention from scholars as objects worth studying and teaching in and of themselves, especially in comparison to data collection and analysis techniques. When scholars venture into analyzing concepts, they generally proceed informally, thereby raising serious concerns in terms of the validity of their findings. Conceptual analysis seems to be unrecognized and even unappreciated. This article aims to mitigate this problem. We first offer a few basic principles of conceptual analysis drawn from North American political science. After examining the nature of concepts and their importance to science, the work of Giovanni Sartori is used to establish a few rules and principles to follow when performing conceptual work. Using a sample of francophone methodological literature, we then conduct a plausibility probe of the hypothesis according to which conceptual analysis suffers from ‘benign neglect’. Based on this empirical test, we conclude that while many books explicitly deal with conceptual analysis, very few do so systematically.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,051
score de la tête « metaresearch » (Gemma)0,067
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,949
Score d'incertitude au seuil0,271

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0510,067
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0100,014
Études des sciences et des technologies0,0070,067
Communication savante0,0220,022
Science ouverte0,0020,004
Intégrité de la recherche0,0040,007
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,221
Tête enseignante GPT0,516
Écart entre enseignants0,295 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeQualitatif
DomaineMéthodes
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSocial Science InformationMême sujetEducation, sociology, and vocational trainingTravaux en français237 207