L’utilisation de photos commentées pour approfondir l’analyse et la compréhension du travail salarié et domestique des enseignantes
Bibliographic record
Abstract
Cet article présente une stratégie de recherche qualitative narrative articulée autour d’une collecte de données en trois temps : des entretiens individuels, des données complémentaires s’appuyant sur des photos commentées créées par les participantes et des entretiens de groupe. Cette stratégie fut élaborée dans le cadre d’un projet de recherche portant sur les expériences d’intégration au travail et le rapport au travail des femmes en éducation au préscolaire et en enseignement au primaire. Ce projet avait pour objectif de favoriser la mise en visibilité et en mots de certains aspects difficiles ou invisibles du travail salarié et domestique. Cet article détaille les fondements épistémologiques et théoriques, les stratégies de collecte de données, et plus spécifiquement les photos commentées, ainsi que certaines données générées. Finalement, certains apports sont soulevés, notamment un plus grand engagement des participantes à la coconstruction des résultats dépassant les limites spatiotemporelles traditionnelles des entretiens individuels et de groupe.
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 | 0.016 | 0.038 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.005 | 0.006 |
| Scholarly communication | 0.007 | 0.010 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.023 | 0.003 |
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".