Éléments de polémique dans les manuels techniques d’assistance à la production de statistiques sociales pour le développement
Bibliographic record
Abstract
Les statistiques sociales occupent une place fondamentale dans les débats à l’égard des problèmes du sous-développement et justifient la mise en oeuvre de programmes pour remédier à ces mêmes problèmes. Ainsi, les organisations multilatérales ont un important besoin de statistiques pour mesurer, classer et comparer de multiples aspects de la vie sociale tels par exemple la santé, l’éducation et la pauvreté. Pour produire ces statistiques, elles s’appuient sur l’expertise d’agences nationales. Cet article explore les aspects polémiques d’un discours expert à partir de l’analyse d’un corpus récent d’une dizaine de manuels techniques produits par diverses organisations multilatérales telles que l’OCDE, la Banque mondiale, l’OMS, le PNUD et l’UNESCO. L’analyse de la représentation de la prise de décision, de la délibération, des débats, des controverses et des conflits révèle que ces manuels ne sont pas exempts de polémiques tant sur le plan méthodologique et scientifique que micro et macro politique.
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 | 0.040 | 0.055 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.007 | 0.008 |
| Science and technology studies | 0.005 | 0.024 |
| Scholarly communication | 0.011 | 0.010 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.009 | 0.002 |
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".