Distribution du pouvoir d’agir des entités sociales dans les études informatiques sur Twitter
Notice bibliographique
Résumé
La recherche informatique traite souvent de problèmes qui relèvent des sciences sociales. Cet article propose d’examiner la façon dont ces travaux, souvent très formalisés sur le plan mathématique et algorithmique, reprennent de fait des points de vue standards sur le social. À cette occasion, il est en effet proposé de réduire les choix de points de vue effectués par les sciences sociales à trois distributions du pouvoir d’agir (agencyou agentivité) à des entités différentes : structure, préférences individuelles et réplications (sans ignorer leurs diverses combinaisons). Une discussion approfondie de ces approches dans la tradition sociologique permet de situer la pertinence d’une telle réduction à trois points de vue. Le terrain Twitter constitue un prototype très attractif pour les recherches en informatique qui veulent traiter de processus sociaux : malgré son caractère de haute fréquence qui favoriserait spontanément l’étude du pouvoir d’agir des conversations ou des messages, les trois points de vue (structure, préférences individuelles et réplications) se révèlent être utilisés dans cette littérature, ce qui montrea fortiorila puissance des points de vue que les sciences sociales ont réussi à diffuser chez tous les publics. La présentation d’articles remarquables pour chacune de ces distributions d’agentivité permet d’accéder à la fécondité de ces travaux, trop souvent ignorés des sciences sociales.
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 | 0,009 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,007 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».