Dans la « boîte noire » de la démarche d’analyse conjointe des données : les processus de collaboration entre les acteurs d’une recherche-action-formation
Bibliographic record
Abstract
Cet article porte sur l’expérience vécue lors d’une recherche-action-formation menée en collaboration avec une équipe-école d’un établissement d’enseignement primaire. La nature collaborative de la recherche-action-formation requiert que l’analyse des données soit réalisée conjointement avec les membres de l’équipe-école, ouvrant nécessairement la porte à des interactions basées sur la recherche d’une compréhension mutuelle, puis sur la négociation du sens donné aux expériences vécues. Comment s’est déroulée cette rencontre entre les différents acteurs et s’est créée cette zone de partage permettant la production de savoirs qui ont du sens pour tous? De quelle manière l’équipe de recherche et l’équipe-école se sont-ils transformés au contact l’un de l’autre? Les notes des rencontres de l’équipe de recherche, des extraits de journaux de bord et de résumés de rencontres collectives avec l’équipe-école donneront accès à la boîte noire de la démarche d’analyse propre à ce projet.
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 | 0.084 | 0.097 |
| Meta-epidemiology (narrow) | 0.001 | 0.002 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.006 | 0.008 |
| Science and technology studies | 0.012 | 0.035 |
| Scholarly communication | 0.035 | 0.034 |
| Open science | 0.004 | 0.020 |
| Research integrity | 0.007 | 0.012 |
| Insufficient payload (model declined to judge) | 0.008 | 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".