Quelques éléments d’épistémologie concernant les recherches qualitatives et critiques en communication
Bibliographic record
Abstract
Cet article se propose d’étudier plusieurs problèmes épistémologiques requérant l’attention des chercheurs désireux de réaliser des études qualitatives et critiques, dans le champ de la communication, sur les technologies de l’information. Nous procédons alors en examinant successivement trois problèmes « cardinaux». Nous abordons, en premier lieu, le problème complexe du rapport entre une analyse qualitative, d’une part, et le réel auquel elle se réfère, d’autre part. Contre le « réalisme naïf » et le relativisme radical, nous défendons l’idée selon laquelle les résultats d’une recherche se doivent d’être plausibles. Cela nous amène à interroger les normes au regard desquelles nous pouvons évaluer la plausibilité d’une étude qualitative. Nous avons ainsi l’occasion de revenir sur les critères de validité et de pertinence. Nous abordons, deuxièmement, la difficile question de la parole des acteurs. Nous montrons la nécessité d’accorder une véritable légitimité à cette dernière. Enfin, nous revenons sur la question des fondements de la critique. Il s’agit alors de penser les possibles articulations entre le désir de diagnostiquer des « pathologies sociales » et la volonté de bâtir une analyse critique sur de solides points d’appui normatifs.
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 | 0.074 | 0.091 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.007 | 0.007 |
| Science and technology studies | 0.010 | 0.057 |
| Scholarly communication | 0.027 | 0.029 |
| Open science | 0.004 | 0.009 |
| Research integrity | 0.008 | 0.012 |
| Insufficient payload (model declined to judge) | 0.009 | 0.002 |
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".