MétaCan
Menu
Back to cohort
Record W4304123844 · doi:10.3917/raised.026.0279

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

2022· article· fr· W4304123844 on OpenAlexaff
Maryvonne Charmillot, Olivia Vernay, Amandine Gouttefarde

Bibliographic record

VenueRaisons éducatives · 2022
Typearticle
Languagefr
FieldSocial Sciences
TopicEducation, sociology, and vocational training
Canadian institutionsCégep de Jonquière
Fundersnot available
KeywordsHumanitiesPhilosophy

Abstract

fetched live from OpenAlex

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.007
metaresearch head score (Gemma)0.004
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Qualitative · Consensus signal: Qualitative
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.262
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0070.004
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.001
Science and technology studies0.0030.002
Scholarly communication0.0000.001
Open science0.0000.000
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0010.000

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.

Opus teacher head0.134
GPT teacher head0.434
Teacher spread0.300 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designQualitative
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2022
Admission routes1
Has abstractyes

Explore more

Same venueRaisons éducativesSame topicEducation, sociology, and vocational trainingFrench-language works237,207