Témoigner de son expérience doctorale : une contribution à la réflexion collective sur les conditions de formation, de travail et d’existence en temps de pandémie
Bibliographic record
Abstract
Cet article propose une réflexion sur la manière dont la crise pandémique a révélé, voire exacerbé des dimensions habituellement occultées de l’expérience doctorale. L’analyse repose sur les témoignages écrits de quatre doctorantes invitées à tenir elles-mêmes la plume pour coucher sur le papier leur expérience. La démarche d’enquête compréhensive et le principe méthodologique de non-directivité qui président à la production des récits donnent lieu à l’expression de témoignages singuliers qui mettent en évidence différentes facettes de l’expérience doctorale en temps de pandémie. La préoccupation commune qui se dégage suggère que la pandémie renforce les questionnements des doctorantes sur le sens politique du travail de thèse. Deux aspects entrent particulièrement en résonance. Le premier concerne leur propre contribution à la fabrication d’inégalités épistémiques, dès lors que l’appropriation des savoirs universitaires leur parait réservée à une toute petite portion de population autorisée à s’en saisir. Le second concerne l’importance de prendre en compte et de rendre compte des liens qui se tissent entre le chercheur ou la chercheuse et les acteurs sociaux et actrices sociales concernées par l’objet de ses recherches tant ils et elles paraissent coconstituer les connaissances académiques produites in fine .
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 | 0.011 | 0.016 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.010 | 0.032 |
| Scholarly communication | 0.011 | 0.013 |
| Open science | 0.001 | 0.011 |
| Research integrity | 0.002 | 0.006 |
| 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; 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".