Bibliographic record
Abstract
L’étude menée durant plusieurs années sur les institutions fermées (l’armée et la franc-maçonnerie, notamment) m’a amenée à m’interroger sur la place et le rôle que je devais occuper, en tant que chercheure, vis-à-vis de ces organisations. Entre volonté d’objectivité, d’une part, et désir de pénétrer de l’intérieur un milieu clos pour en comprendre les représentations et les pratiques, d’autre part, j’ai dû trouver le juste milieu entre une trop grande distanciation et une immersion totale qui, si elle est dépourvue de précautions, peut entraîner une invalidité au plan épistémologique. Les problématiques proxémiques (gestion de la distance), et identitaires (trouver l’équilibre entre le moi et l’autre) que nombre de chercheurs en anthropologie ont balayées au cours de leurs enquêtes ont guidé ma propre quête de la « bonne position ». À l’issue de mon étude, j’ai constaté avec surprise que certaines institutions fermées ou semi-fermées ne sont pas étrangères, elles non plus, à ces questionnements. Ainsi en est-il de la franc-maçonnerie, par exemple, qui s’efforce de mettre en place des processus cognitifs et comportementaux visant à inscrire l’adepte dans une dialectique entre l’intérieur et l’extérieur, le moi et l’autre, la théorie et la pratique.
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 | 0.076 | 0.065 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.005 | 0.004 |
| Science and technology studies | 0.009 | 0.057 |
| Scholarly communication | 0.033 | 0.029 |
| Open science | 0.003 | 0.010 |
| Research integrity | 0.011 | 0.020 |
| Insufficient payload (model declined to judge) | 0.008 | 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".