Micro-pouvoirs en action au doctorat : la perception des étudiants
Bibliographic record
Abstract
Partant de la littérature sur l’environnement doctoral, cette recherche pointe les micro-pouvoirs issus du système académique et leurs conséquences sur les doctorants. Sous la lentille foucaldienne, l’objectif de l’étude est d’apporter une meilleure compréhension de la perception des doctorants de leur expérience au troisième cycle et ainsi proposer des pratiques d’encadrement et de soutien reflétant leurs réels besoins. 11 entretiens semi-dirigés ont été menés et l’analyse inductive a permis l’émergence de thèmes centraux, notamment la supervision doctorale, les exigences du programme de doctorat et la normalisation des sacrifices. L’originalité de cette étude réside dans l’angle théorique privilégiant les récits de doctorants sur leur propre vécu doctoral et les recommandations proposées pour favoriser une expérience académique plus humaine. Les principaux résultats de cette recherche mènent à un compromis entre les sacrifices imposés en échange de l’approbation sociale des différents acteurs de l’institution universitaire. De plus, des avenues de recherches futures sont proposées afin d’élargir le socle du savoir sur la problématique étudiée et les implications pédagogiques en découlant.
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 | 0.015 | 0.024 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.015 |
| Scholarly communication | 0.009 | 0.005 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.012 | 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".