Bibliographic record
Abstract
L’étude de cas et l’analyse de l’activité recouvrent des démarches qui s’inscrivent généralement dans des domaines différents, mais qui ont entre elles beaucoup de parenté. Cet article essaie de montrer dans quelle mesure elles peuvent s’enrichir réciproquement à partir des connaissances et des expériences acquises par chacune dans son propre domaine.Une première partie vise à présenter les traits essentiels de l’étude de cas en tant que méthode. Elle précise ses rapports avec l’analyse de l’activité et d’autres méthodologies. La deuxième partie dégage et discute quelques étapes caractéristiques de la démarche commune aux deux méthodes : le choix du cas et la finalité de l’étude, la planification et le recueil des données, l’exploitation et l’interprétation des données, enfin la généralisation des conclusions et l’articulation de celles-ci avec les connaissances existantes. Un développement particulier a été réservé au raisonnement par analogie très présent dans les deux démarches. La troisième partie traite de deux problèmes auxquels sont affrontées les deux démarches : le rôle du contexte et celui de l’analyste. La dernière partie expose deux méthodes d’analyse issues du domaine du travail, mais qui peuvent être directement exploitées dans des champs divers. La conclusion dégage quelques voies de recherche suggérées par la confrontation des deux démarches.
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 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 | 0.005 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.004 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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 teacher head, 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".