Bibliographic record
Abstract
Il n'est pas évident de délimiter un champ de recherche dans son entièreté en un seul ouvrage.Quiconque se prête à l'exercice ne pourra échapper aux critiques inéluctables concernant l'inclusion, l'exclusion ou l'omission de tels auteurs ou de telles perspectives.Olivier Galland et Yannick Lemel, qui ne sont pas à leur première collaboration, ont produit une remarquable synthèse de la sociologie des inégalités qui mériterait éventuellement une seconde édition.L'expérience prolongée dans un domaine donné conduit à jouir d'une expertise qui fait souvent l'objet d'un certain orgueil.Bien que l'on conçoive généralement ce type de manuel comme étant destiné aux étudiants, bon nombre de chercheurs bénéficieront de sa lecture, qu'ils soient récemment initiés au champ ou qu'ils s'y spécialisent.Pour ceux qui appartiennent à cette deuxième catégorie, cet ouvrage sera l'occasion de revisiter les ouvrages classiques, de découvrir de nouveaux auteurs et d'établir des liens insoupçonnés entre les deux.N'est-il pas utile à tout chercheur, de temps à autre, de sortir de la myopie de ses propres projets de recherche afin de former une vision globale de l'ensemble du champ ?L'effort que les auteurs ont fourni afin de relater les débats actuels et passés sur les inégalités y concourent, en soulignant les éléments qui font l'objet de consensus ou de dissension, ou bien encore mènent à des impasses.
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 | 0.005 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.006 | 0.009 |
| Scholarly communication | 0.006 | 0.008 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.005 | 0.006 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
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".