Usages du quantitatif en méthodologie de la théorisation enracinée (MTE)
Notice bibliographique
Résumé
La méthodologie de la théorisation enracinée (MTE) (Glaser & Strauss, 1967) est aujourd’hui reconnue comme une méthode inductive robuste et principalement qualitative (Corbin & Strauss, 2008; Luckerhoff & Guillemette, 2012c). En dépit de leur potentiel identifié par Glaser dès 1967, les usages du quantitatif en MTE demeurent peu répandus. Une recension des écrits nous a permis de dresser un état des lieux à cet égard. Notre recherche a été réalisée dans une approche inductive où les écrits ont constitué les données à analyser dans la perspective proposée par Tourigny Koné (2014). Nous présentons en ce sens les écrits de Glaser à ce propos, les critiques puis les appuis formulés à l’endroit de son projet de MTE quantitative, ainsi que l’analyse de 16 études qui mettent à l’oeuvre un volet quantitatif en MTE. Dans ces exemples, l’observation de la prescription centrale de Glaser de s’affranchir des réflexes et préoccupations du déductif reste mitigée. En effet, plusieurs tendent à s’éloigner des principes fondamentaux de la MTE.
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 | 0,134 | 0,218 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,004 | 0,030 |
| Communication savante | 0,016 | 0,016 |
| Science ouverte | 0,004 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,003 |
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 ».