Développement et validation d’une mesure de bien-être social au doctorat : l’échelle du sentiment de communauté scientifique
Bibliographic record
Abstract
Plusieurs études qualitatives suggèrent que le sentiment de faire partie de la communauté scientifique est essentiel à la réussite du parcours doctoral. Bien que quelques outils aient été développés pour capter certaines composantes du sentiment de communauté scientifique, il n’existe aucun instrument pour mesurer ce construit dans sa globalité. La présente étude visait donc à développer l’Échelle du sentiment de communauté scientifique (ÉSCS) et à en examiner les qualités psychométriques auprès d’un échantillon de 318 doctorants au Canada. Cinq indicateurs de la validité de construit (exploratoire, confirmatoire, discriminante, prédictive et concourante) et trois indicateurs de fidélité (cohérence interne, test-retest et stabilité temporelle) de l’ÉCSC ont été examinés. En somme, cette échelle comporte 18 items répartis en trois facteurs (perception d’appartenir, d’influencer et de bénéficier de soutien) présentant tous de bons indices de cohérence interne. Les qualités psychométriques de l’ÉSCS justifient son usage dans des études ultérieures.
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 | 0.035 | 0.058 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".