La construction des connaissances en tourisme à l’université : la production de mémoires et thèses liés au tourisme à l’UQAM (1978 à 2005)
Bibliographic record
Abstract
La production des connaissances en milieu universitaire par les thèses est une forme de la construction du savoir dont l’analyse attire peu l’intérêt des chercheurs. Peu d’études, semble-t-il, sont en effet consacrées à cette face cachée du processus de la construction des connaissances en tourisme. On relèvera dans la Revue Annals of Tourism Research, aux USA, seulement trois analyses consacrées aux thèses de doctorat. Pourtant, cette forme de la production scientifique en milieu universitaire peut révéler les forces et les faiblesses inhérentes au processus de construction du savoir dans un champ de connaissances donné, en l’occurrence celui du tourisme. Le présent texte vise à apporter une contribution à cet égard et, pour ce faire, nous avons choisi le cas de l’Université du Québec à Montréal (UQAM). Ce premier portrait de la recherche en tourisme à l’UQAM par la production des mémoires de maîtrise et des thèses de doctorat dans les programmes de deuxième et de troisième cycles présente, d’une manière globale, deux aspects : une contribution disciplinaire très diversifiée (15 disciplines) et un apport à la formation dominé par les mémoires de maîtrise. Cette situation nous amène à soulever deux problèmes associés à la construction des connaissances en tourisme et à la reconnaissance scientifique de cette discipline : - Une domination des disciplines autres que celle du tourisme, en matière de production des connaissances, mettant en évidence une faiblesse importante, à savoir l’absence d’une maîtrise en tourisme avec un profil recherche.- Une faiblesse dans la production de thèses de doctorat s’intéressant aux thématiques touristiques, par rapport aux programmes de maîtrise de diverses disciplines.
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 | 0.007 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.004 | 0.008 |
| Science and technology studies | 0.007 | 0.009 |
| Scholarly communication | 0.008 | 0.003 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.001 | 0.002 |
| 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".