La « rupture épistémologique » du chercheur au prix de la trahison des acteurs ? Les tensions entre postures « objectivante » et « participante » dans l’enquête sociologique
Bibliographic record
Abstract
Ce texte veut considérer une série de questions éthiques que soulève la recherche en sciences sociales, en particulier lorsqu’elle utilise les méthodes de l’entretien ou de l’observation. L’éthique dans la recherche est ici appréhendée dans son sens le plus pratique, telle qu’elle intervient nécessairement dans la démarche de l’enquête, processus qui implique des positionnements épistémologiques et méthodologiques particuliers. À partir de ces deux approches (celles de l’entretien et de l’observation), le chercheur est pris entre deux postures qu’on appellera « objectivante » et « participante ». Afin de situer ces deux postures, il nous semble qu’il convient de ne pas oublier que l’enquête sociologique n’est pas complètement quitte des exigences de la conversation ordinaire, sachant que celle-ci permet aussi des moments d’objectivation, mais en les soumettant à certaines contraintes. En nous appuyant sur des situations d’enquête, nous voudrions analyser ces deux postures, sans négliger que leur pondération est variable puisqu’elle est largement fonction de l’épistémologie pratique à laquelle s’adosse le chercheur.
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 | 0.045 | 0.059 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.015 | 0.062 |
| Scholarly communication | 0.032 | 0.029 |
| Open science | 0.005 | 0.011 |
| Research integrity | 0.010 | 0.014 |
| 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".