Leçons d’un colloque : les enjeux épistémiques et politiques de la recherche interventionnelle en santé des populations
Bibliographic record
Abstract
Ce texte explore deux grands enjeux, engageant à la fois des questions épistémiques et politiques qui nous semblent majeures pour l’implantation durable de la recherche interventionnelle en santé des populations (RISP) comme champ de recherche en santé. Nous interrogeons la notion de « données probantes » en montrant l’intérêt d’une appréhension à la fois exigeante et ouverte de cette catégorie dans le contexte d’expertises plurielles des RISP qui visent des modes de coordination plus fluides et étendus entre chercheurs, décideurs, intervenants et bénéficiaires des interventions dont les rapports sont potentiellement marqués par des inégalités épistémiques. Nous questionnons ensuite la nature de ces partenariats en invitant à une analyse plus approfondie de la dynamique des collaborations. Il semble en effet pertinent de considérer à la fois les séquences temporelles mais aussi les différentes échelles de contexte qui marquent les modes de coordination entre ces acteurs-experts du dispositif considéré.
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 | 0.056 | 0.070 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.010 | 0.045 |
| Scholarly communication | 0.016 | 0.020 |
| Open science | 0.003 | 0.012 |
| Research integrity | 0.008 | 0.010 |
| Insufficient payload (model declined to judge) | 0.015 | 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".