Une modélisation relationnelle des configurations sociétales liées aux phénomènes d’émergence : un exemple de recherche dans le Maroc contemporain
Bibliographic record
Abstract
Les sciences sociales, comme l’économie, la sociologie, l’histoire, l’anthropologie et d’autres disciplines, tentent depuis plusieurs siècles d’expliquer comment les sociétés humaines vivent et se développent (ou s’effondrent). De nombreuses théories sont ainsi nées à travers de nombreuses controverses et de nombreuses déceptions. Pour les besoins de cet article, je divise ces théories en deux catégories : théories du développement économique et théories sociologiques. Les premières tendent à expliquer pourquoi certains groupes humains parviennent à générer de la croissance et du développement, les secondes s’efforcent de montrer comment les sociétés vivent et se transforment. Cette division est bien entendu discutable, mais permet de placer le regard sur les deux objectifs majeurs du texte, à savoir, d’une part, comprendre comment des groupes humains dans le Maroc contemporain ont réussi à développer et améliorer leurs niveaux et modes de vie, d’autre part, montrer que des modélisations différentes de celles qui sont couramment pratiquées en sciences sociales (fondées sur la prééminence explicative des individus ou des structures) sont possibles et apportent des angles de vue qui permettent de comprendre plus profondément et plus efficacement les systèmes sociaux sur lesquels nous voulons intervenir. La modélisation décrite ici est « relationnelle » et a été réalisée à l’aide d’un modèle analytique construit par l’auteur, dont le nom RISE est l’acronyme de « Relation, Individu, Système et Événement ». Cette modélisation a permis de décrypter la situation de trois sites sociétaux considérés initialement comme émergents au Maroc.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.010 |
| Scholarly communication | 0.007 | 0.006 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| 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".