L’apport d’une perspective génétique à l’analyse des images scientifiques
Notice bibliographique
Résumé
À partir d’études ethnographiques menées dans des laboratoires appartenant à deux disciplines des sciences de la nature, la physique des matériaux et la pharmacologie, Catherine Allamel-Raffin élabore une classification des images produites dans ces domaines de recherche en les envisageant sous l’angle de leur production, c’est-à-dire en adoptant une perspective génétique. Cette démarche conduit notamment au constat suivant : certaines images massivement présentes en pharmacologie (histogrammes), et peu présentes en physique des matériaux, soulèvent des problèmes sémiotiques particuliers qu’il est possible d’analyser à l’aide des travaux de E. Tufte. Le recours à une perspective génétique, dans un second temps, permet de relever les similitudes, mais également d’établir les distinctions qui s’imposent quant aux processus de réalisation de ces images : la présence potentielle d’artefacts, ceux-ci étant situés à des moments différents du cours de l’expérimentation, la non-existence d’une flexibilité interprétative dans le cas des images produites en pharmacologie à l’opposé de ce que l’on rencontre en physique des matériaux, l’évolution du statut épistémique de certaines images au cours de la recherche grâce au recours, couronné de succès, à des stratégies expérimentales déterminées.
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 | 0,008 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,003 |
| Études des sciences et des technologies | 0,008 | 0,034 |
| Communication savante | 0,013 | 0,014 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 ».