Des émotions aux représentations : collecter des informations sur le vécu et les ressentis à partir d’un jeu sérieux
Bibliographic record
Abstract
Cet article émane de travaux menés dans le cadre d’un projet de recherche de sciences participatives (Expo’ped, 2019-2023), incluant des personnes âgées habitant une ville de banlieue parisienne (Ivry-sur-Seine, environ 60 000 habitants). L’objet du projet concerne l’étude des pratiques piétonnes quotidiennes en lien avec l’exposition à la pollution atmosphérique, mesurée et ressentie par les personnes âgées elles-mêmes. Dans le protocole de recherche mis en place, plusieurs techniques de collecte de données ont été combinées dont un traceur GPS pour le suivi des déplacements et des micro-capteurs pour la mesure objective de polluants de l’air (gaz et particules fines). Quant aux ressentis, un jeu sérieux a été conçu de manière à favoriser l’expression des personnes impliquées au sujet de leur vécu. Ce jeu repose sur la cartographie d’émotions ressenties dans les espaces urbains pratiqués au quotidien en tant que piéton.nes. Les points forts de cet outil, la présentation des résultats obtenus et les limites rencontrées constituent le fil directeur de notre analyse.
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 | 0.004 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 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".