(Re)placer la mobilité dans son contexte : le parcours commenté, un outil de recueil et d’analyse de données de mobilité
Bibliographic record
Abstract
Le présent article traite de l’utilisation de la méthode des parcours commentés dans le cadre de protocoles d’enquête mixtes ayant pour sujet la mobilité. Utilisés de plus en plus en sciences sociales depuis le début des années 2000, les parcours commentés demeurent une méthode d’enquête assez peu commune en sciences sociales. Bien que plusieurs travaux se soient penchés sur les considérations méthodologiques de ces parcours par rapport aux entretiens dans le passé, peu d’articles ont cherché à proposer une exploration systématique de leurs modalités et paramètres selon les variantes observées dans la littérature. De même, peu d’articles ont traité de la plus-value que peuvent apporter les parcours commentés aux études mixtes, notamment celles ayant pour sujet la mobilité quotidienne. Après un bref retour sur les fondements théoriques des parcours commentés, la seconde section propose une déconstruction des parcours en un certain nombre de paramètres liés à l’environnement ou au cadre contractuel du parcours, qui sont discutés à l’aide d’exemples tirés de la littérature récente. Dans la troisième partie, nous présentons un exemple d’application des parcours commentés dans le cadre de méthodes mixtes par le biais d'une recherche sur la mobilité quotidienne de personnes vieillissantes. Nous discutons plus précisément de l’enrichissement apporté par ces parcours à la connaissance des pratiques spatiales de divers profils d'individus étudiés par voie de questionnaire, notamment via la structuration des données dans un système d’information géographique qualitatif.
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 | 0.057 | 0.175 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.006 | 0.007 |
| Science and technology studies | 0.004 | 0.007 |
| Scholarly communication | 0.013 | 0.016 |
| Open science | 0.003 | 0.009 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.011 | 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".