Collecter des données sur des expériences et attitudes sensibles : le cas du Mali
Bibliographic record
Abstract
Dans les enquêtes standards auprès des ménages, les données collectées sont exposées à des biais de réponses, particulièrement pour les questions considérées comme sensibles. La méthode par comptage de réponses est une technique d’enquête alternative permettant de limiter ces biais. Cet article présente les résultats d’une enquête expérimentale menée selon cette méthode auprès de 1 509 individus sur l’ensemble du territoire malien. Les personnes ont été sondées par téléphone durant l’été 2021 à propos d’expériences et d’attitudes politiques liées à l’insécurité. D’un point de vue méthodologique, nous en tirons plusieurs enseignements : entre autres, une très bonne compréhension et acceptabilité de la méthode par les enquêté·e·s, qui tient notamment à la qualité des enquêteur·trice·s et des superviseur·se·s ; la nécessité d’un plan de sondage plus complexe que pour un questionnaire standard ; et l’importance d’un questionnaire court lorsqu’on enquête par téléphone. Du point de vue analytique, l’enquête fait ressortir l’existence de biais déclaratifs significatifs – notamment pour les questions portant sur les préférences politiques en lien avec l’insécurité.
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 | 0.046 | 0.094 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.006 | 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".