Analyse de données textuelles informatisée. Comment la pensée complexe et l’approche relationnelle peuvent nourrir quelques considérations méthodologiques
Bibliographic record
Abstract
Cet article explore deux préoccupations méthodologiques liées à la méta-analyse de données textuelles : 1) le danger de la « décontextualisation » des idées comme conséquence d’une quantification des données textuelles; et 2) le principe selon lequel il importe de déterminer le cadre historique et l’origine du document avant de procéder à l’analyse. Pour ce faire, nous nous appuyons sur le traitement de 11 020 articles de périodiques parus au Canada et en France en 2005 effectué par le logiciel SPAD. Nous concluons que ce logiciel répond bien à la première préoccupation. SPAD produit des analyses de facteurs des données lexicales tout en offrant au chercheur la possibilité de retourner au texte et de vérifier le « sens » des mots. Toutefois, notre étude de cas montre aussi comment un échantillon de cette taille rend difficile la prise en considération a priori du cadre historique et de l’origine du document. Pour montrer comment il est possible de réaliser des méta-analyses en dépit de cette difficulté, nous nous référons à des principes proposés par les études relationnelles et par la systémique complexe.
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 | 0.102 | 0.239 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.003 | 0.007 |
| Bibliometrics | 0.027 | 0.026 |
| Science and technology studies | 0.004 | 0.006 |
| Scholarly communication | 0.024 | 0.022 |
| Open science | 0.004 | 0.008 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.011 | 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".