Du groupe focalisé à la recherche collaborative : avantages, défis et stratégies
Bibliographic record
Abstract
Plusieurs avantages de la méthode du groupe focalisé sont aujourd’hui reconnus en recherche qualitative, notamment sa flexibilité, qui permet de cerner les représentations sociales qui se construisent dans l’interaction, et l’importance qu’elle accorde à la participation des personnes concernées pour définir leurs réalités et élaborer des solutions adaptées à leurs besoins. Certaines stratégies méthodologiques doivent pourtant être déployées pour que la méthode du groupe focalisé puisse donner ses fruits. L’article porte sur les avantages et les défis de la méthode du groupe focalisé ainsi que sur certains enjeux à considérer en lien avec trois de ses caractéristiques fondamentales, soit : 1) la facilitation d’échanges spontanés, mais focalisés, 2) la mise en place d’un contexte d’intersubjectivité et 3) l’activation de processus de groupe favorisant l’émancipation individuelle ou collective. Il prend appui sur un corpus de recherches utilisant le groupe focalisé dans une perspective de compréhension de problématiques d’intégration en emploi ou de santé psychologique au travail ainsi que dans des démarches de recherche collaborative.
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 | 0.090 | 0.129 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.006 | 0.004 |
| Science and technology studies | 0.010 | 0.021 |
| Scholarly communication | 0.018 | 0.019 |
| Open science | 0.006 | 0.021 |
| Research integrity | 0.006 | 0.005 |
| Insufficient payload (model declined to judge) | 0.016 | 0.004 |
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".