La parole en action selon la méthodologie de la théorisation enracinée
Bibliographic record
Abstract
Il semble difficile d’avoir accès à un document qui donne des repères clairs et précis quant au déroulement d’une méthodologie par théorisation enracinée à partir d’un corpus de discours conversationnels. Un tel manque risque de décourager toute recherche aspirant à faire de la théorisation enracinée à partir de données qui ne correspondent pas aux points de vue des acteurs, mais plutôt à leurs échanges et interactions. D’où l’originalité de la démarche décrite dans ce texte qui propose une illustration concrète de l’utilisation de la méthodologie de la théorisation enracinée dans le but de mieux comprendre le processus des acteurs sociaux (individuels et collectifs) qui rendent publiques leurs prises de position à propos d’une question éthico-politique. Nous explicitons dans la première partie de cet article l’exercice de réflexion qui nous a permis d’interroger les enjeux posés par la méthodologie adoptée. Dans la deuxième partie, nous abordons deux aspects qui nous ont permis d’explorer l’expérience discursive de la confrontation de points de vue antagonistes : la sélection d’un site (les auditions publiques en commission parlementaire) et l’échantillonnage à l’intérieur de ce site (les cas analysés). Enfin, nous exposons les opérations de codage et de catégorisation conduites à l’aide du logiciel d’aide à l’analyse de données qualitatives QSR NVivo pour montrer ce que l’exploitation de ce logiciel a apporté à notre démarche en permettant d’établir des liens entre des données de l’ordre de la parole publique où sont confrontés des points de vue opposés et en les organisant pour progressivement en arriver à une théorisation.
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 | 0.041 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.005 | 0.005 |
| Science and technology studies | 0.006 | 0.038 |
| Scholarly communication | 0.017 | 0.019 |
| Open science | 0.003 | 0.008 |
| Research integrity | 0.003 | 0.009 |
| Insufficient payload (model declined to judge) | 0.019 | 0.003 |
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".