Réaliser son mémoire ou sa thèse ressource électronique : côté jeans & côté tenue de soirée. Canadian electronic library [Extrait]
Bibliographic record
Abstract
EMERCIEMENTSD'entrée de jeu, je tiens à remercier chaleureusement mes étudiants et mes étudiantes pour leur confiance à mon égard et leurs nombreuses questions liées à leur démarche de recherche.Le présent ouvrage est grandement tributaire de toutes leurs interrogations, inquiétudes et difficultés.Par ailleurs, je tiens à souligner l'apport de ma conjointe et collègue, Johanne Saint-Charles.Les échanges nombreux et réguliers que j'ai eus avec elle sur le processus de recherche et d'encadrement des travaux des étudiantes et étudiants de la maîtrise sont inscrits en filigrane dans cet ouvrage.Plus encore, ses questionnements, ses commentaires et ses réflexions ont directement contribué à l'élaboration même du texte. Je remercie également mesdames Danielle Maisonneuve et Marie-Noëlle Germain pour leurs relectures attentives et leurs nombreuses suggestions.A VANT-PROPOS Cela fait penser à une sorte de magie blanche : si vous accomplissez tous les gestes imputables à la science, la science apparaîtra.Mais elle n'est pas apparue.Erving GOFFMAN Au cours des dernières années, j'ai mis sur pied un cours de méthodologie à l'intention des étudiantes et étudiants à la maîtrise en communication ; j'y ai lentement élaboré un modèle pragmatique de gestion du travail de recherche et de rédaction du mémoire qui leur a semblé original et aidant.C'est à la suggestion de mes élèves que j'ai entrepris la rédaction du présent ouvrage.Par ailleurs, des discussions avec des collègues m'ont convaincu d'étendre sa portée à la réalisation et à la rédaction de la thèse de doctorat.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.006 | 0.001 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.089 | 0.007 |
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".