Au sein du foyer : une analyse relationnelle des interactions entre les membres d’une famille
Bibliographic record
Abstract
Le débat sur les théories de l’action et la modélisation relationnelle quant à sa capacité à comprendre les interactions entre individus est encore animé. Malgré les nombreux travaux scientifiques déjà réalisés qui démontrent que les théories de l’action ne sont pas de bons outils pour comprendre les interactions et que la modélisation relationnelle leur est supérieure, la notion d’un acteur intéressé guidé par son intention persiste. Cependant, la vérification en milieu naturel n’a pas encore eu lieu. Un travail de recherche a été effectué pour répondre à cette critique. Une saisie audiovisuelle a eu lieu auprès de cinq familles canadiennes au cours d’une semaine dans leur foyer. L’analyse de ces données montre que dans seulement 13,1 % des propos on a pu repérer une intention. Dans 9,3 % des propos, cette intention émerge de la dynamique en cours alors que dans seulement 3,8 % des propos observe-t-on que l’intention précède l’échange. Dans 2,3 % des propos, nous observons une non-intégration de l’information avec le discours qui a lieu et cette statistique diminue à 0,4 % des propos lorsqu’une nouvelle information entre en jeu. Ces résultats démontrent clairement que l’intention n’est pas le facteur absolu d’explication des interactions entre les membres d’une famille captées en milieu naturel, ce qui est conforme aux recherches antérieures.
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 | 0.005 | 0.027 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 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".