Le bayésianisme : une épistémologie pour les sciences infirmières
Notice bibliographique
Résumé
Le bayésianisme est une approche philosophique qui considère la connaissance comme une entreprise de mise à jour des croyances basée sur des probabilités. Cette épistémologie est originaire du monde des statistiques où elle représente un paradigme concurrent du fréquentisme. En effet, dans les statistiques bayésiennes, une probabilité représente non pas la fréquence d’un événement, mais le degré de croyance en une théorie, également appelée crédence. En suivant cette logique, chaque nouvelle donnée permet donc de mettre à jour une crédence en une théorie. Les sciences infirmières, en raison de leur nature située au croisement de nombreuses autres disciplines telles que la sociologie, la psychologie ou la biologie, semblent être un domaine idéal où mettre en oeuvre une telle épistémologie. En effet, bien qu’il prenne sa source dans le monde des statistiques, le bayésianisme peut être appliqué à la recherche qualitative comme quantitative, et est adaptée à plusieurs paradigmes de recherche existants. Cette présentation s’attellera à expliquer le fonctionnement de cette épistémologie au travers de plusieurs exemples tirés deproblématiques infirmières. Elle soulignera également comment le bayésianisme peut permettre une analyse de données intégrée dans le cadre d’un devis mixte.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,008 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,013 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».