Entremêlement technologique des réalités individuelles et labeur numérique : vers une typologie enracinée des tensions sociotechniques étudiantes
Bibliographic record
Abstract
Face à la numérisation croissante des universités et à l’entremêlement de leurs sphères de vies, les personnes étudiantes investissent une variété de technologies numériques sans que leurs usages et effets soient pleinement compris. D’apparence neutre, la numérisation et l’entremêlement de ces réalités sociotechniques impliquent un ensemble de rapports de force plus ou moins tacites et d’efforts afférents pour structurer l’ensemble de leur dispositif sociotechnique. Une recherche ethnographique longitudinale explorant les gestions et usages étudiants des technologies numériques a permis de faire émerger une typologie de tensions sociotechniques constitutives de cet entremêlement technologique de leurs réalités et contraintes. En se questionnant sur le labeur numérique comme source potentielle de discrimination indirecte, l’article vise à rendre visible et décrire les rapports de force vécus par les personnes participantes. En problématisant cet angle mort de la numérisation des universités au regard des réalités étudiantes, nous étayerons l’approche sociocritique adoptée, expliciterons le recours à la méthodologie de la théorisation enracinée et le profil des personnes interrogées. Les résultats proposeront une typologie de l’ensemble des tensions liées à la négociation du dispositif sociotechnique, et la discussion terminera avec une réflexion sur les discriminations systémiques indirectes que sous-tend ce labeur numérique tacite des personnes étudiantes contemporaines.
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 | 0.006 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.004 | 0.015 |
| Scholarly communication | 0.009 | 0.009 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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".