La Base de données sur les innovations sociales du CRISES : portée et limites d’une innovation méthodologique
Bibliographic record
Abstract
Résumé Depuis les années 1990, l’étude des innovations sociales fait l’objet de débats entourant les problèmes de recherche, les approches théoriques et les méthodes. La majorité des recherches ont privilégié les études de cas. Toutefois, plus récemment, des chercheurs ont commencé à réaliser des méta-études à partir de banques de données qualitatives. Cet article examine une démarche novatrice mise en œuvre par le Centre de recherche sur les innovations sociales (CRISES). Partant de centaines d’étude de cas, le CRISES a mis sur pied une base de données sur l’innovation sociale en vue de réaliser des analyses statistiques. Après avoir présenté les tendances en sciences sociales à la constitution de banques de données et à la réalisation de méta-études, nous exposons la méthodologie et les assises épistémologiques du projet afin d’en dégager l’originalité au regard des cartographies d’innovations sociales. L’article se conclut par une évaluation des limites méthodologiques et de la portée analytique du projet.
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 | 0.135 | 0.289 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.023 | 0.023 |
| Science and technology studies | 0.004 | 0.024 |
| Scholarly communication | 0.024 | 0.025 |
| Open science | 0.003 | 0.010 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.009 | 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".