Bibliographic record
Abstract
S’il est admis que les techniques d’enquête en sociologie — et les modes de raisonnement qui leur sont associés — sont étroitement liées à leurs contextes institutionnels et intellectuels d’apparition, comment le développement des écosystèmes numériques transforme-t-il actuellement les manières de savoir sur le social ? Dans cet article introductif, nous observons la façon dont les sciences sociales computationnelles (SSC) et les humanités numériques mettent en tension la sociologie. D’un côté, les sciences sociales computationnelles concurrencent la sociologie en traitant de ses objets les plus classiques, mais dans une perspective prédictive qui ne lui est pas familière. D’un autre côté, les humanités numériques s’imaginent comme le chapiteau des sciences sociales, mais avec une offre numérique qui s’inscrit dans la tradition méthodologique de l’exégèse textuelle de laquelle les sociologues cherchent à se distancier. La sociologie se trouve comme prise dans l’étau des sciences sociales computationnelles et des humanités numériques. Nous avons observé trois types de réactions face à cette situation — la protection, la conservation et l’adaptation — qui montrent à quel point le numérique pénètre progressivement la discipline sociologique, depuis son propre coeur. Pour que celle-ci devienne pleinement numérique, il convient néanmoins de faciliter les conditions d’accès aux données numériques, notamment en discutant le cadre juridique, économique et technique des écosystèmes numériques de la recherche publique.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.006 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.029 | 0.004 |
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; both teacher heads agree on what is shown here.
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".