Problèmes et questions méthodologiques de la recherche. Construire des catégories en recherche qualitative
Bibliographic record
Abstract
De l’analyse de contenu (conçue dans l’entre-deux-guerre) jusqu’aux développements les plus avancés de l’analyse par théorisation ancrée, la qualité des analyses qualitatives en sciences sociales dépendent largement de la finesse, de la profondeur et de la pertinence de leurs catégories d’analyse. Ce cours propose donc d’approfondir la compréhension de leur construction en combinant pratique (sur le terrain) et réflexion épistémologique (en séminaire). Le Manuel d’analyse qualitative (publié par l’enseignant en 2014) en constitue la trame. Sous la supervision de l’enseignant, les étudiant-e-s réalisent une recherche de terrain. Chaque étape est préparée collectivement ; chaque contact avec le terrain est documenté sur la plateforme informatique d’analyse qualitative conçue par l’enseignant (Cassandre), permettant à l’enseignant d’échanger avec les étudiant-e-s entre les séances. Chaque étage de l’analyse donne également lieu à un atelier lors duquel les participant-e-s échangent à propos des difficultés rencontrées, des solutions apportées, des fondements méthodologiques de leur démarche et des implications épistémologiques de leur parcours. Ces séances sont l’occasion d’exposés sur l’histoire de la recherche qualitative, en particulier sur les contextes d’élaboration et de fixation des règles de construction de catégories en analyse de contenu, de discours et par théorisation ancrée. Le cours aborde donc des questions épistémologiques de haut niveau, sans les dissocier de la pratique de la recherche qualitative en sociologie.
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 | 0.261 | 0.313 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.003 | 0.003 |
| Bibliometrics | 0.008 | 0.010 |
| Science and technology studies | 0.008 | 0.051 |
| Scholarly communication | 0.026 | 0.024 |
| Open science | 0.006 | 0.011 |
| Research integrity | 0.008 | 0.010 |
| Insufficient payload (model declined to judge) | 0.010 | 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; the direct Gemma label and the distilled Codex classifier 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".