The Great Regression
ResumeQue peuvent faire les sciences sociales avec le machine learning, et que peut-il leur faire ? Cet article propose une introduction à cette classe de méthodes statistiques. Il détaille ses prémisses, sa logique, et les défis qu’elle pose pour les sciences (sociales). Il le fait au moyen d’une...
保存先:
| 主要な著者: | , |
|---|---|
| フォーマット: | Article ou chapitre numérique |
| 言語: | Français |
| 出版事項: |
2018
|
| 主題: | |
| オンライン･アクセス: | Accès Université d'Orléans et IFPM Accès Université d'Orléans et IFPM |
| 要約: | ResumeQue peuvent faire les sciences sociales avec le machine learning, et que peut-il leur faire ? Cet article propose une introduction à cette classe de méthodes statistiques. Il détaille ses prémisses, sa logique, et les défis qu’elle pose pour les sciences (sociales). Il le fait au moyen d’une comparaison avec d’autres approches quantitative plus conventionnelles, les régressions paramétriques en premier lieu, et ce tant au niveau général qu’en pratique. Au-delà de l’exercice méthodologique, l’article se propose de revenir sur les débats houleux qui entourent le learning. Il revient pour se faire sur le rôle et les conséquences possibles de l’usage de l’apprentissage statistique. Il soutient que la révolution promise par beaucoup et crainte par d’autres ne se produira pas de sitôt, ou en tout cas pas dans les termes souvent mentionnés. Le changement de paradigme évoqué de manière prophétique n’aura pas lieu. Plutôt, une concurrence accrue entre différentes formes de quantification du monde social va se mettre en place. Contre toute attente, cette incertitude croissante pourrait être de bon augure pour la connaissance en général. |
|---|