L’analyse de contenu pour la recherche en didactique de la littérature. Le traitement de données quantitatives pour une analyse qualitative : parcours d’une approche mixte
Bibliographic record
Abstract
Afin de contribuer à l’épistémologie de la didactique de la littérature, nous avons mené une recherche doctorale visant à identifier et à hiérarchiser les finalités de l’enseignement de la littérature au cours de la scolarité pré-universitaire, dans la perspective de la construction d’un modèle didactique de cet enseignement. Notre recherche a fait appel à deux démarches d’investigation complémentaires. La première consiste en une analyse documentaire de type analyse de contenu. Cette analyse descriptive et critique a été suivie d’une démarche interprétative afin de comprendre les finalités assignées à cet enseignement. Le choix d’une approche méthodologique mixte, qui combine des éléments quantitatifs et qualitatifs, nous semble inusité et prometteur pour la recherche en didactique de la littérature, un champ encore trop souvent imprégné d’implicites et de flous méthodologiques.
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 | 0.078 | 0.154 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.011 | 0.010 |
| Science and technology studies | 0.006 | 0.014 |
| Scholarly communication | 0.017 | 0.015 |
| Open science | 0.003 | 0.006 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.013 | 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".