Récit de vie et vécu de précarité sociale : exemple d’une recherche en psychologie soutenue par un logiciel de données qualitatives
Bibliographic record
Abstract
Nous proposons d’exposer la dimension méthodologique d’une recherche qualitative en psychologie, auprès d’individus pris dans un processus de précarisation et, dans ce cadre, l’apport d’un logiciel de traitement de données qualitatives. Il s’agit, dans cet article, de décrire et d’argumenter les choix méthodologiques : ils intègrent une démarche conceptualisante dans la tradition de la théorie ancrée, une lecture phénoménologique ainsi que l’utilisation d’une lecture clinique. La réalisation des entretiens de recherche est largement influencée par un outil multimodèle et multiaxial, l’OPD-2 (Operationalized Psychodynamic Diagnosis-2). Cette démarche méthodologique peut ainsi être qualifiée de triangulation dans le sens où elle intègre plusieurs perspectives théoriques (psychanalytique, philosophique ou encore sociologique) et méthodologiques (théorie ancrée, phénoménologie, utilisation de l’OPD-2). L’utilisation d’un logiciel de traitement de données qualitatives a permis de faciliter cette démarche méthodologique complexe. Il s’agit d’un logiciel qui permet d’organiser les données, mais qui facilite aussi la création de catégories conceptualisantes : ces dernières sont rédigées par le chercheur à partir d’une démarche de comparaison et de confrontation des données à des idées, des références théoriques grâce notamment à l’écriture de mémos. Cette démarche est la base des premières tentatives de théorisation du chercheur : les résultats de la recherche sont exposés succinctement à la fin de ce texte. Après avoir décrit les différents éléments de la méthodologie, l’intérêt et les limites du logiciel NVivo dans cette démarche seront discutés.
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 | 0.039 | 0.056 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.006 | 0.007 |
| Science and technology studies | 0.006 | 0.024 |
| Scholarly communication | 0.011 | 0.012 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
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".