L’analyse du changement, la causalité et le devis longitudinal : trois modèles élémentaires et un exemple
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Établir des relations causales entre variables a été l'une des opérations les plus courantes en sociologie. Mais après qu'il fût devenu évident que l'analyse transversale ne permettait pas de valider les relations causales, le recours à l'analyse longitudinale est apparu comme une voie de salut à plusieurs. Là encore, il a été établi que l'analyse longitudinale permettait de restreindre en partie les limites à notre capacité de prouver des relations causales, sans cependant les éliminer. Ici, trois modèles de relations entre variables sont définis et leur capacité à générer des données observées par sondage, vérifiée. 11 est clair que malgré qu'une procédure formelle d'examen de ces modèles soit utilisée, le choix d'un, parmi ces trois modèles qui se contredisent, reste difficile. L'utilisation de données longitudinales n'est pas ici discrédité, ce texte entend souligner quelques-unes des difficultés d'application des méthodes d'analyse de ces types de données.
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.011 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.004 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.020 | 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 it