Mobilisation des écrits scientifiques dans une recherche inductive sur la négociation des rôles entre enseignants et parents minoritaires
Bibliographic record
Abstract
Cet article décrit de quelle manière les écrits scientifiques ont été mobilisés en trois temps dans le cadre d’une recherche inductive sur la négociation des rôles entre des enseignants et des parents en contexte de diversité culturelle. La mobilisation des écrits a d’abord consisté en un état des lieux quant à la relation école-familles minoritaires (issues de la migration et/ou disposant de revenus modestes). De là se sont dégagés notre objet de la négociation des rôles et l’approche interactionniste adoptée pour l’aborder. Ensuite, dans un processus itératif avec la collecte et l’analyse des données, le recours aux écrits a contribué à l’émergence des résultats, selon une démarche d’induction théorisante (Paillé & Mucchielli, 2012). Enfin, par un processus de généralisation analytique (Yin, 1984) consistant à relier les résultats obtenus avec leurs conditions d’apparition et les apports théoriques, le recours aux écrits a permis une certaine généralisation des résultats, respectueuse de démarche inductive.
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 | 0.051 | 0.089 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.005 | 0.006 |
| Science and technology studies | 0.006 | 0.016 |
| Scholarly communication | 0.011 | 0.016 |
| Open science | 0.003 | 0.010 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.015 | 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".