Enjeux méthodologiques de l’exploitation de traces d’activité en ligne en situation d’entretien
Bibliographic record
Abstract
Depuis plus de deux décennies, les données du web deviennent de plus en plus fréquemment mobilisées dans les travaux empiriques en sciences sociales. En raison des possibilités de récupération massive de traces numériques et de leur volume conséquent, l’exploitation de ces données est souvent réduite à une approche quantitative qui semble aller de soi. En s’appuyant sur des résultats issus de cinq enquêtes qualitatives menées au cours des dix dernières années et qui mobilisent toutes des traces numériques en situation d’entretien, cet article montre cependant dans quelle mesure les données du web peuvent également représenter un matériau précieux et éclairant dans des démarches qualitatives, principalement à des fins de libération de la parole de l’enquêté. En marge des possibilités d’accompagnement voire de démonstration du discours, il reste que les opportunités liées à l’exploitation des traces numériques doivent s’accompagner d’une connaissance des biais et limites qui y sont associées.
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 | 0.029 | 0.101 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.008 | 0.008 |
| Science and technology studies | 0.003 | 0.008 |
| Scholarly communication | 0.015 | 0.011 |
| Open science | 0.003 | 0.006 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.012 | 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".