Construction d’un dispositif méthodologique et de ses outils : savoir commun et savoir scientifique, de l’induction aux hypothèses
Bibliographic record
Abstract
Nous désirons expliciter la construction du dispositif méthodologique mis en place dans la phase de récolte des matériaux nécessaires à notre travail de thèse portant sur les rites d’interaction et les logiques d’action mises en place au sein de groupes interdisciplinaires. Nous commencerons par une réflexion sur le choix d’une démarche tendant vers l’induction. Nous expliquerons notre choix de travailler dans un mouvement de continuel va-et-vient entre le terrain et les approches théoriques pouvant éclairer notre problématique. Dans un second temps, nous discuterons de notre position face à la rupture épistémologique au sens classique du terme qui voudrait que savoir commun et savoir scientifique soient séparés par des frontières étanches. Nous défendrons l’idée que l’acteur produit une connaissance réflexive sur lui-même et sur ses propres expériences. Approcher ce type de savoir nécessite de solides outils méthodologiques. Nous expliquerons pourquoi nous avons choisi de croiser trois méthodes : l’observation participante, la méthode d’analyse en groupe et les entretiens semi-directifs, en justifiant ce choix en fonction de notre objet de recherche et des savoirs que ces différentes méthodes permettent d’appréhender.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.047 | 0.069 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.004 | 0.032 |
| Scholarly communication | 0.012 | 0.016 |
| Open science | 0.003 | 0.006 |
| Research integrity | 0.003 | 0.007 |
| Insufficient payload (model declined to judge) | 0.016 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".