Cheminement et difficultés analytiques en méthodologie de la théorisation enracinée : expérience de deux doctorantes
Notice bibliographique
Résumé
Les difficultés analytiques de la méthodologie de la théorisation enracinée (MTE) sont rarement abordées dans les écrits scientifiques. Comment mettre en oeuvre la MTE? Quelles sont les difficultés analytiques de la MTE rencontrées par les chercheurs novices? Cet article aborde des moments critiques vécus par les deux auteures au cours de l’analyse de leurs données de recherche doctorale suivant les principes de la MTE. L’objectif est de mettre en lumière des difficultés qui surviennent pour une majorité de chercheurs novices dans la réalisation d’une recherche qualitative employant un devis MTE ainsi que d’offrir des conseils notamment en lien avec la gestion de la panoplie de données, la saturation des données et la démarche itérative. Des exemples précis tirés du projet de doctorat des deux auteures sont partagés. Il en ressort que l’encadrement du directeur de thèse est primordial dans le cheminement analytique. Ceci rappelle que le mentorat est un élément important dans l’apprentissage 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 | 0,084 | 0,094 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,018 |
| Communication savante | 0,013 | 0,009 |
| Science ouverte | 0,002 | 0,013 |
| Intégrité de la recherche | 0,003 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».