Récit de vie et vécu de précarité sociale : exemple d’une recherche en psychologie soutenue par un logiciel de données qualitatives
Notice bibliographique
Résumé
Nous proposons d’exposer la dimension méthodologique d’une recherche qualitative en psychologie, auprès d’individus pris dans un processus de précarisation et, dans ce cadre, l’apport d’un logiciel de traitement de données qualitatives. Il s’agit, dans cet article, de décrire et d’argumenter les choix méthodologiques : ils intègrent une démarche conceptualisante dans la tradition de la théorie ancrée, une lecture phénoménologique ainsi que l’utilisation d’une lecture clinique. La réalisation des entretiens de recherche est largement influencée par un outil multimodèle et multiaxial, l’OPD-2 (Operationalized Psychodynamic Diagnosis-2). Cette démarche méthodologique peut ainsi être qualifiée de triangulation dans le sens où elle intègre plusieurs perspectives théoriques (psychanalytique, philosophique ou encore sociologique) et méthodologiques (théorie ancrée, phénoménologie, utilisation de l’OPD-2). L’utilisation d’un logiciel de traitement de données qualitatives a permis de faciliter cette démarche méthodologique complexe. Il s’agit d’un logiciel qui permet d’organiser les données, mais qui facilite aussi la création de catégories conceptualisantes : ces dernières sont rédigées par le chercheur à partir d’une démarche de comparaison et de confrontation des données à des idées, des références théoriques grâce notamment à l’écriture de mémos. Cette démarche est la base des premières tentatives de théorisation du chercheur : les résultats de la recherche sont exposés succinctement à la fin de ce texte. Après avoir décrit les différents éléments de la méthodologie, l’intérêt et les limites du logiciel NVivo dans cette démarche seront discutés.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,032 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,013 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».