MétaCan
Menu
Retour à la cohorte
Enregistrement W3169388307 · doi:10.3917/crii.091.0166

Engagements et désengagements combattants. Les émotions comme outil d’analyse

2021· article· fr· W3169388307 sur OpenAlexaff
Pénélope Larzillière, E. Calabrese, Jacobo Grajales, Gabriela Manrique, Valentina Napolitano, Laura Ruiz de Elvira

Notice bibliographique

RevueCritique internationale · 2021
Typearticle
Languefr
DomaineSocial Sciences
ThématiquePhilosophy, Sociology, Political Theory
Établissements canadiensÉcole Nationale d'Administration Publique
Organismes subventionnairesAgence Nationale de la Recherche
Mots-clésHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

La sociologie des émotions politiques est en plein renouveaudepuis une vingtaine d’années. Certains auteurs évoquent même l’idéed’un « tournant émotionnel » , tandis que d’autres mettent en avantl’apparition de « nouveaux mouvements émotionnels » . Pourtant, ensociologie des mobilisations et de l’engagement, l’étude des émotionspolitiques a longtemps suscité la méfiance. Il importait de se démarquerde l’héritage de la psychologie des foules et des « disqualificationsmorales » liées à des représentations des militants en contestatairesirrationnels . Par ailleurs, la représentation genrée de l’espacepolitique a fait des émotions le lieu d’un irrationnel supposémentféminin, opposé à la raison masculine . Que les passions politiques etles sentiments moraux aient été par la suite constitués en objetsd’analyse par la philosophie morale et politique n’a rien fait pourréduire cette méfiance, leur étude paraissant alors intrinsèquement liéeà des approches normatives et prescriptives . Ce n’est que récemment quele domaine des émotions et des affects a été pleinement (ré)intégré auxétudes de l’action collective. Les recherches se multiplient qui eninscrivent l’analyse dans des approches sociales contextualisées, loindes essentialisations relatives aux « foules dangereuses ».

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,806
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,198
Tête enseignante GPT0,450
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritique internationaleMême sujetPhilosophy, Sociology, Political TheoryTravaux en français237 207