Étude comparative des logiciels d’aide à l’analyse de données qualitatives : de l’approche automatique à l’approche manuelle
Notice bibliographique
Résumé
L’objectif de cet article vise à effectuer un survol descriptif des plus récentes versions de douze logiciels d’aide à l’analyse de données qualitatives (LAADQ). La recension est organisée autour d’une typologie divisée en trois axes, soit les logiciels qui privilégient l’une ou l’autre des approches automatique, semi-automatique ou manuelle. Ces axes ne s’excluent pas mutuellement puisque de plus en plus de concepteurs combinent plusieurs modules dans un même logiciel, permettant de varier les analyses. Néanmoins, chaque logiciel propose habituellement une finalité prévalente, sur laquelle nous insistons lors de l’analyse comparative. Nous décrivons d’abord les caractéristiques principales des logiciels, puis nous présentons leurs forces et leurs limites. Un tableau synthèse comparatif à la fin de l’article permet une consultation rapide des différents outils disponibles sur le marché. Nous espérons ainsi pouvoir orienter les différents choix s’offrant aux chercheurs et faciliter leur décision.
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 | 0,087 | 0,162 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,013 | 0,010 |
| Études des sciences et des technologies | 0,003 | 0,007 |
| Communication savante | 0,019 | 0,016 |
| Science ouverte | 0,005 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,004 |
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 ».