L’aca-fan : aspects méthodologiques, éthiques et pratiques
Bibliographic record
Abstract
Depuis les travaux fondateurs d’Henry Jenkins, l’étude des communautés de fans prend son essor dans le monde anglo-saxon, et plus récemment en France. Les chercheurs qui souhaitent s’y atteler sont toutefois confrontés à un problème fondamental qui n’est pas sans rappeler les dilemmes rencontrés en ethnologie : comment concilier distance critique et intégration suffisante dans la communauté pour recueillir des informations fiables ? Ce problème entraîne l’émergence d’une catégorie particulière de chercheurs, appelés « aca-fans ». Cette posture de recherche soulève un grand nombre de questions, tant théoriques et éthiques que pratiques. Il ne s’agit pas uniquement pour un universitaire de revendiquer son appartenance à une communauté de fans pour pouvoir y pénétrer ; à l’inverse, même les fans les plus érudits n’ont pas d’emblée une légitimité académique par rapport à l’analyse de leur communauté, ce qui exige un travail complexe de conciliation de ces deux points de vue. Bien que fans et chercheurs appartiennent souvent à la même culture, leurs discours ne sont pas équivalents, dans la mesure où le chercheur doit conserver la neutralité liée à un raisonnement anthropologique sur la communauté qu’il étudie, qu’il en fasse partie ou non. Par ailleurs, l’étude des communautés de fans ne doit pas être synonyme d’appropriation pure et simple, au mépris des attentes éventuelles des fans eux-mêmes, qui pourraient légitimement vouloir conserver un droit de regard sur la manière dont leurs pratiques sont décrites et utilisées. Enfin, l’aca-fan doit réfléchir aux modalités pratiques de sa recherche, aux domaines étudiés et aux représentations existantes de la communauté. Cet article vise à synthétiser ces questions et à proposer une conceptualisation théorique et méthodologique du rôle de l’aca-fan.
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 | 0.063 | 0.057 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.006 | 0.007 |
| Science and technology studies | 0.010 | 0.023 |
| Scholarly communication | 0.014 | 0.008 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
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".