Des avancées en analyse qualitative :pour une transparence et une systématisationdes pratiques
Bibliographic record
Abstract
La recherche qualitative a longtemps été la cible de critiques, lui reprochant de manquer d’objectivité, de validité, voire de scientificité. Aujourd’hui, si ce type de recherche semble mieux se positionner sur l’échiquier de la recherche scientifique tant dans le cadre des recherches subventionnées, commanditées ou institutionnelles, c’est qu’elle a connu, au fil des ans, des développements notables qui lui ont permis de se positionner plus clairement et d’asseoir sa pertinence quant à ses fondements, ses designs et ses procédures systématiques. Notre objectif n’est pas de dresser un bilan exhaustif de ces développements. Nous voulons plutôt faire le point sur quelques savoirs, pratiques et enjeux qui sont au coeur du processus d’analyse de données, en mettant à contribution des éléments de notre expérience personnelle en recherche. Une brève conclusion permettra de dégager de nouvelles préoccupations éthiques posées par certaines pratiques favorables de la part de la communauté scientifique.
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 | 0.208 | 0.231 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.005 | 0.006 |
| Science and technology studies | 0.009 | 0.061 |
| Scholarly communication | 0.019 | 0.023 |
| Open science | 0.003 | 0.009 |
| Research integrity | 0.004 | 0.009 |
| Insufficient payload (model declined to judge) | 0.008 | 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; 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".