Bibliographic record
Abstract
L’actualité des publications en sociologie vient mettre en question sa capacité à expliquer ce qu’elle prend pour objet sans véritablement définir ce que signifie ce mot, expliquer. Le présent article cherche à répondre aux questions suivantes : qu’est-ce donc qu’expliquer ? Que signifie exactement ce terme associé à la science ? En quoi et pourquoi la visée que sous-tend le mot trouve-t-elle difficilement son droit, ou sa pertinence, en sociologie ? Comment se conçoit l’explication en termes opératoires ? Les réponses avancées ici s’appuient d’abord sur les nuances apportées par l’épistémologie contemporaine à la caractérisation de la science associée aux trois maîtres mots que sont décrire, comprendre et expliquer. L’analyse d’une entrevue qualitative vient ensuite illustrer les opérations en vertu desquelles expliquer devient possible dans cette discipline, dès lors susceptible d’être considérée comme une science, elle-même conçue comme une connaissance par objet, par concept et par méthode.
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 | 0.017 | 0.026 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.007 | 0.037 |
| Scholarly communication | 0.021 | 0.021 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.006 | 0.008 |
| Insufficient payload (model declined to judge) | 0.009 | 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; 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".