Bibliographic record
Abstract
Cet article vise, à partir d’un récit à la première personne de ma propre expérience de terrain − en tant que jeune femme et doctorante en géographie à l’époque – auprès des Wayúu, peuple autochtone matrilinéaire, au Venezuela (2011-2013), à interroger les conditions temporelles, épistémiques et méthodologiques qui orientent les chercheur·e·s et façonnent la recherche. Plus précisément, il défend l’idée que l’ensemble des temps susceptibles de composer une recherche − temps de définition de l’objet d’étude, d’accès au terrain, des Autres sur le terrain, temps « morts » et temps d’attentes, des « bricolages » méthodologiques, des allers-retours, de la réflexivité, des doutes, de la restitution − participent à produire des savoirs scientifiques. Ces temps, plus ou moins longs et contraignants pour les chercheur·e·s se mêlent sans conteste à leur trajectoire personnelle et à leur subjectivité qui influencent, en retour, la manière dont ils/elles vivent, pensent ou interprètent le terrain. De même, ils/elles peuvent être affecté·e·s par une pluralité de facteurs extérieurs relatifs aux contextes et aux conditions dans lesquels leur recherche se déploie (géopolitiques, socioculturels, linguistiques, sensibilité du sujet étudié), ainsi que par les attentes et les injonctions du système académique qui s’accommode parfois mal aux temps de l’enquête. Dès lors, comment raconter les coulisses et les expériences des temporalités du terrain – souvent passées sous silence – qui imprègnent inévitablement les résultats de recherche ?
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 | 0.012 | 0.025 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.015 | 0.019 |
| Scholarly communication | 0.015 | 0.013 |
| Open science | 0.002 | 0.011 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.011 | 0.002 |
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".