Making room for numbers in self-care
Notice bibliographique
Résumé
Loin d’interroger les usages des self-trackers – ces outils numériques de quantification personnelle – dans la perspective du mouvement californien du Quantified Self , cet article en étudie la cohérence dans le prolongement des techniques ordinaires de l’attention à soi. Sa proposition originale consiste à analyser les pratiques concrètes de quantifications personnelles par le prisme transverse du cycle de vie. Pour cela, il articule une enquête par questionnaire (n=1829) à une grande enquête qualitative (n=105). La première rend compte de la place conséquente des chiffres dans l’attention à soi : selon les classes d’âge, elle analyse les pratiques d’enquêtés qui sont entre 28 % et 43 % à conserver des traces numériques de soi, et dont 14 % à 27 % sont équipés d’un objet connecté de mesure. La seconde fouille l’entrelacement des enjeux qui sont au cœur de ces pratiques et montre que malgré la diversité des contextes individuels, les visées de la quantification de soi évoluent selon l’âge et le cycle de vie. Si la régulation d’une vie instable grâce aux automesures est un objectif répandu chez les plus jeunes, l’exigence de rationalisation des vies professionnelle, domestique et personnelle devient souvent centrale dans les usages de quantification après la naissance des enfants et cède la place, après 50 ans, à un souci de prévention contre les menaces de l’avancée en âge.
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 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,013 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».