L’utilisation des groupes de discussionen marketing commercial et social
Notice bibliographique
Résumé
Les méthodes quantitatives ont traditionnellement été privilégiées en marketing puisque plus fiables et « généralisables » à l’ensemble du marché. Toutefois, certaines questions relatives au comportement des consommateurs ont conduit à l’utilisation de techniques plus souples de recherche, essentiellement les groupes de discussion. Alors que la souplesse était appréciée, les exigences de la recherche en marketing commercial ont par contre transformé la technique en une procédure fortement structurée. Or, récemment, une application moins orthodoxe a permis de soulever des aspects particuliers de la pensée des individus qu’il aurait été impossible de déceler si nous nous en étions tenus à la façon traditionnelle du marketing commercial de mener les groupes de discussion. C’est basé sur l’observation de plus de 300 groupes de discussion, menés pour les campagnes de publicité du Ministère de la santé et des services sociaux du Québec, que les auteurs présentent leurs réflexions.
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 | 0,155 | 0,302 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,014 | 0,011 |
| Études des sciences et des technologies | 0,009 | 0,015 |
| Communication savante | 0,011 | 0,013 |
| Science ouverte | 0,005 | 0,011 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,003 |
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 ».