La transdisciplinarité à l’épreuve de l’engagement, réflexions à partir de l’application de la méthode photovoice
Bibliographic record
Abstract
Alors que la « transdisciplinarité » est un terme utilisé de manière croissante, au regard notamment de son potentiel pour éclairer les problématiques complexes telles que mises en avant par les sciences de la durabilité, les contours de ses définitions demeurent flous. En m’appuyant sur mon expérience de mobilisation d’un outil spécifique de recherche participative basé sur la photographie – photovoice- je présente, ici, une analyse de la transdisciplinarité par la pratique. Il s’agira ainsi de montrer par le terrain comment cette démarche scientifique propose une approche critique de la construction des connaissances au travers d’une (in)discipline rigoureuse. La transdisciplinarité apparait ainsi comme une épistémologie transformatrice, produisant des connaissances qui peuvent provoquer des transformations au niveau des socio-écosystèmes. Il s’agit également d’une transformation épistémologique, ce sont en effet des connaissances co-construites qui mobilisent des modes de raisonnements holistiques, itératifs, et relationnels. La vision de la transdisciplinarité développée dans cet article l’inscrit dans une perspective engagée de déconstruction des rapports de pouvoir inhérents aux processus de co-construction des connaissances.
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 | 0.027 | 0.032 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.005 | 0.027 |
| Scholarly communication | 0.019 | 0.015 |
| Open science | 0.003 | 0.012 |
| Research integrity | 0.004 | 0.008 |
| Insufficient payload (model declined to judge) | 0.018 | 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".