Les chiffres : les comprendre pour s'en dépendre
Bibliographic record
Abstract
C'est le regard d'une sociologue qualitativiste qui a fait l'objet de cette conférence invitée. D'un forum qui replaçait au centre des débats l'éthique et le vivre-ensemble, mais inscrit dans un atelier sur "les nombres", l'intervention d'un chercheur qualitativiste, aux côtés d'un mathématicien Thierry Duchesne (Université Laval) et de la démographe Chantal Girard (ISQ - Institut de la statistique du Québec), a fait figure de contre-emploi. La communication s'est centrée sur la remise en question de l'universalité du nombre : le nombre, dans son rapport à l'écrit est-il un sociocentrisme ? Cet universalisme supposé peut également être débattu au regard de l'usage historique du nombre (de la numération à l'addition, du nombre en tant qu'outil puis objet), mais aussi de son usage politique et social (des définitions contextualisées dont dépendent l'âge ou le calendrier, au nombre devenu " critère de scientificité "). L'analyse orientée par les questions de l'auditoire, s'est centrée sur le traitement médiatique (intentions sensationnalistes ?), l'interprétation et la " manipulation " des/ par les nombres : les erreurs communes (réductionnisme, biais et dyssémie, cf. PADIEU) ont été identifiées par l'exemple des mesures du risque, des probabilités, de l'évaluation du danger, de la mesure de la délinquance etc.
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 | 0.014 | 0.034 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.016 | 0.017 |
| Scholarly communication | 0.025 | 0.015 |
| Open science | 0.003 | 0.008 |
| Research integrity | 0.007 | 0.015 |
| Insufficient payload (model declined to judge) | 0.056 | 0.014 |
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".