Contribution des méthodes d’analyse quantitative à la compréhension de phénomènes de loisirs sportifs : de l’apport et des limites de l’outil statistique
Bibliographic record
Abstract
RésuméL’objet de cet article est de présenter une contribution à la compréhension de phénomènes de loisirs sportifs par des étudiants de 3e année d’université à l’aide d’un enseignement de découverte de méthodes d’enquête par questionnaire, et de la présentation de quelques principes d’analyse quantitative. Plus qu’une recherché aboutie, il s’agit ici de présenter une revue de questions appliquées à un cas concret d’enseignement d’une méthode de recherche. Par cet article d’un type peu répandu par nature dans la littérature scientifique (mais cependant essentiel sur un plan épistémologique), nous visons principalement à lier la théorie et la pratique par la présentation d’une mise en oeuvre concrète. De l’enseignement de connaissances de base à l’exploitation critique de certains résultats, les étudiants concernés ont vécu l’ensemble de la procédure, en passant par la conception de l’enquête et la collecte des données. Ainsi, cet article relate les bases de la construction progressive du contenu d’un enseignement visant à faire acquérir des savoirs, des savoir-faire et des savoir-être à ces étudiants, et pose des questions quant aux usages et à l’enseignement des méthodologies de recherche dans les cycles supérieurs, avec pour objet les loisirs sportifs et pour thème les opinions.
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 | 0.008 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 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".