Un petit monde en Ontario. Application d’un modèle relationnel trialectique à la vie d’une communauté canadienne
Bibliographic record
Abstract
Face aux controverses encore vives entre les tenants du sujet et ceux des structures, entre ceux qui pensent que l’action est au centre de la sociologie et ceux qui sont convaincus que ce sont les systèmes sociétaux qui constituent la source de la dynamique sociale, nous pouvons ouvrir des voies nouvelles. Dans cet article, je cherche à démontrer qu’il est possible de sortir des approches actionnistes, structuralistes, de même que phénoménologiques, pour comprendre les phénomènes sociétaux. Pour ce faire, j’essaie de réintroduire une catégorie oubliée, l’événement, comme une catégorie importante de la recherche en sociologie. Mais, plus important, je propose un modèle relationnel qui étudie, non les catégories, mais les relations entre les catégories. Il ne le fait pas à la façon des modèles de la théorie des réseaux en étudiant les « relations entre », mais en se concentrant sur le caractère hologrammatique des systèmes sociétaux, c’est-à-dire sur l’idée selon laquelle individu, système et événement sont simplement indissociables les uns des autres. Le modèle repose sur l’étude des liens qui unissent de façon très intime les catégories en question. Ces liaisons sont telles que chaque catégorie est étudiée dans sa relation avec chacune des deux autres puis dans son rapport au rapport entre les deux autres. L’application empirique réalisée montre que l’on peut ainsi mieux comprendre les chemins ou histoires de vie de membres d’une petite communauté du nord-est de l’Ontario, leurs évolutions, voire leurs bifurcations, dans certains cas, qu’avec des modèles reposant sur les ressorts de l’action ou ceux des structures.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.005 |
| Science and technology studies | 0.009 | 0.003 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.033 | 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".