Bibliographic record
Abstract
Les appels se multiplient à « positionner » la connaissance que produit le chercheur qualitatif, l’invitant à davantage de réflexivité (Harding, 1991 ; Rose, 1997). Cette « positionnalité » est présentée comme une démarche éthique, prémunissant le ou la chercheur(e) contre la tentation d’imposer ses propres catégories ou formes de connaissance aux gens qu’il ou elle étudie. En effet, la recherche doit être un espace, laissant toute la place à la voix des sujets de la recherche (Nagar-Ron et Motzafi-Haller, 2011 ; Spivak, 1988). Cependant, qu’en est-il des chercheurs qui étudient des choses, et non pas des gens ? Quelle voix peut-on recueillir lorsque l’on n’a pas des sujets, mais bien des objets, comme participants à la recherche ? Quelle responsabilité éthique le chercheur a-t-il envers les objets ? Poursuivant la pensée de Bruno Latour (1994) sur l’interobjectivité, je propose que le chercheur « objectif » n’est pas celui qui fait fi de l’impératif de positionnalité et de l’invitation à laisser ses participants exprimer leur voix. Au contraire, le chercheur objectif est celui qui donne voix aux objets, qui cherche des modalités d’expression qui leur sont propres, évitant ainsi, lui aussi, d’imposer ses catégories à ses participants. Ce texte souhaite mettre en évidence que des stratégies existent déjà pour faire parler les objets, que peut emprunter la recherche qualitative.
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 | 0.006 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.011 |
| Scholarly communication | 0.011 | 0.010 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.025 | 0.010 |
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".