Compte rendu du colloque "Méthodes Quantitatives en Sciences Humaines (MQSH) 2023"
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Le vendredi 9 juin 2023 s’est tenu le 12e colloque annuel Méthodes quantitatives en sciences humaines à l’Université TÉLUQ, Montréal. Sept conférenciers ont présenté leurs résultats de recherche. Sébastien Béland a évalué l'efficacité de différents coefficients populaires sur des items unidimensionnels à réponse dichotomique. Félix Laliberté a présenté StepMix, un package Python et R pour le clustering basé sur des modèles et la modélisation de mélanges généralisés (classes latentes, profils latents) de données continues et catégorielles. Eric Frenette a fait part des défis méthodologiques et statistiques rencontrés lors de l'évaluation du programme longitudinal Gagnant pour la vie (version 1.0) implanté dans une école à concentration sport au Québec. André Achim a présenté une nouvelle technique de symétrisation de distributions asymétriques, même en présence de valeurs aberrantes. Pier-Olivier Caron a présenté une comparaison des propriétés statistiques (puissance, erreur de type I, biais) des modèles de médiations longitudinaux et transversaux. Denis Cousineau a présenté deux techniques entièrement analogues à l'ANOVA : l'analyse des proportions utilisant la transformation arcsine (ANOPA) et l'analyse des fréquences de données (ANOFA). Louis Laurencelle propose un test complet et vraisemblable sur le plan paramétrique de la différence entre deux proportions jumelées. Après trois ans d’absence, la résurrection du colloque MQSH a été un succès marqué de débats enthousiastes qui ont mis en lumière des problèmes originaux, l'importante approche critique pour les étudier, mais aussi l’originalité des solutions apportées pour les résoudre.
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.
Full frame distilled prediction
Teacher imitationNot 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.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.012 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.004 |
| Science and technology studies | 0.002 | 0.005 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 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 it