Travail collaboratif médié : méthodologie mixte en ligne pour étudier le travail émotionnel de groupe?
Notice bibliographique
Résumé
En recherche en sciences de gestion, les émotions sont souvent étudiées avec une méthodologie quantitative. Cependant, de nombreux chercheurs sont en accord avec le fait que l’analyse qualitative favorise l’approfondissement. Il s’agit, ici, d’investiguer les inconvénients d’une étude quantitative par questionnaire en ligne sur un sujet tel que celui des émotions et de présenter une méthodologie alternative. Suite à une étude test réalisée par questionnaire en ligne sur le travail émotionnel de groupe dans le cadre du travail collaboratif médié, les réactions des participants et leurs réponses sont révélatrices de problèmes à la fois de compréhension, de conception ou/et d’adhésion. Ces biais sont alors décryptés. Puis, sur le même terrain, une seconde étude utilise la méthodologie netnographique permettant de combiner le quantitatif et le qualitatif. Par les résultats obtenus, il est perceptible que, dans des contextes et pour des sujets spécifiques, cette dernière méthode puisse faire office de solution face aux biais décrits.
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 | 0,056 | 0,074 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,012 | 0,009 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 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 ».