Suchergebnisse

Abstract This article examines how the theoretical repertoires of the social sciences are managed by the researchers in environmental communication/journalism and how the theoretical arguments are appropriated in the applied studies. The corpus of analysis comprises 492 scientific communications presented by researchers of the Brazilian Society of Interdisciplinary Communication Studies (Intercom) in the period of 2001-2016, in addition to 36 interviews. The conclusions highlight: the historical contribution of the social sciences to the formation of the academic field of communication; the epistemic proximity between the social sciences and communication/journalism; the valorization of the use of this repertoire by environmental communication/journalism researchers. The interviews reinforce the interdisciplinary nature of environmental communication, the epistemic and methodological proximity to the social sciences, the plurality of actors involved and the consolidation of an already established way of doing research by Intercom scholars in its 40 years of operation.

National audience ; In order to question the inevitability of "science finalization" in the case of social sciences, we propose to study the history of marketing as a discipline. The history of this management science shows that 1) working for non-profit organizations rather than for business does not make a different science; 2) paradoxically, the more applied the science is, the more independent the research becomes; 3) since sciences cannot escape being applied, it is of crucial importance to examine the relation between science and its audience: this examination could reveal the existence of an alternative policy of " supply side science " far beyond the classical " social demands " addressed to scientists. ; Nous examinons ici l'éventuelle fatalité de l'application des sciences, et plus particulièrement le cas du marketing. L'histoire de cette science montre 1) qu'agir pour le public plutôt que pour le privé ne fait pas une science différente ; 2) qu'un certain paradoxe veut que l'on soit d'autant plus libre que l'on agit dans une science appliquée ; 3) que puisque que les sciences n'échappent pas à leur " performation ", il est crucial de s'interroger sur le sens de la relation entre la science et son public : on aurait ainsi une chance de percevoir, derrière la " demande sociale ", la possibilité alternative d'une politique d' " offre scientifique ", l'éventualité d'un passage de la " science appliquée " à la " science applicable ".

National audience ; In order to question the inevitability of "science finalization" in the case of social sciences, we propose to study the history of marketing as a discipline. The history of this management science shows that 1) working for non-profit organizations rather than for business does not make a different science; 2) paradoxically, the more applied the science is, the more independent the research becomes; 3) since sciences cannot escape being applied, it is of crucial importance to examine the relation between science and its audience: this examination could reveal the existence of an alternative policy of " supply side science " far beyond the classical " social demands " addressed to scientists. ; Nous examinons ici l'éventuelle fatalité de l'application des sciences, et plus particulièrement le cas du marketing. L'histoire de cette science montre 1) qu'agir pour le public plutôt que pour le privé ne fait pas une science différente ; 2) qu'un certain paradoxe veut que l'on soit d'autant plus libre que l'on agit dans une science appliquée ; 3) que puisque que les sciences n'échappent pas à leur " performation ", il est crucial de s'interroger sur le sens de la relation entre la science et son public : on aurait ainsi une chance de percevoir, derrière la " demande sociale ", la possibilité alternative d'une politique d' " offre scientifique ", l'éventualité d'un passage de la " science appliquée " à la " science applicable ".

An introduction to GIS -- Spatial analysis in GIS -- Thematic mapping, GIS and Geovisualisation -- GIS and network analysis -- GIS and the classification of people and areas (indexes of deprivation and Geodemographics) -- GIS and small area estimation of income, well-being and happiness -- GIS and crime pattern analysis -- GIS and health care planning and analysis -- GIS for retail network planning and analysis -- GIS for emergency planning -- GIS and education planning -- GIS and transport analysis and planning -- GIS for environmental justice and policy evaluation -- Conclusions: GIS, social media and the future of GIS applications.

This article introduces a special issue on the contribution of social science to addressing transformations to sustainability. Articles underline the importance of embracing theoretically rooted, empirically informed, and collaboratively generated knowledge to address sustainability challenges and transformative change. Emphasis is placed on the role of the social sciences in elaborating on the politicisation and pluralisation of transformation processes and outcomes, helping situate, frame, reflect and generate societal action, while acknowledging the complexity of societal transformation in different contexts.

Comme toute science, les sciences sociales cherchent à expliquer et à comprendre les phénomènes relevant de leur objet, ici les phénomènes sociaux. Quelles sont les causes du terrorisme ? Pourquoi l'économie allemande est-elle plus performante que celle de la France ? Quelles sont les raisons des différences de mortalité observées entre les trois Régions de la Belgique ? … Voilà une série de questions judicieuses que l'on peut se poser. Il s'agit chaque fois d'une explanation-seeking why question, selon Carl Hempel (1965), c'est-à-dire d'une question sur le 'pourquoi' des choses, requérant une explication. Pour tenter d'y répondre, les scientifiques ont mis au point diverses approches et méthodes quantitatives ou qualitatives. Quelle que soit la méthodologie, et elles sont nombreuses en sciences sociales, il s'agira toujours de confronter ses hypothèses, théories et modèles aux faits. L'observation des faits et l'évaluation de la pertinence de leur interprétation constituent ainsi un aspect important de la démarche scientifique. L'objet de cet article n'est pas de présenter un tour d'horizon des différentes approches scientifiques adoptées par les sciences sociales. Il faudrait un très gros volume pour le faire : voir par exemple l'ouvrage bien connu de Madeleine Grawitz (2000) à ce sujet. Plus modestement, ce texte vise à montrer, dans une perspective causale, les particularités, les incertitudes et les défis que soulève la modélisation en sciences sociales. Pour saisir plus aisément nos propos, des exemples seront fournis tout au long du présent article. Le premier auteur étant démographe, les exemples seront principalement tirés des sciences de la population. Nous traiterons d'abord brièvement, dans la section 2, du modèle en tant que représentation de la réalité. La section 3 examinera les différences entre l'approche expérimentale et l'approche non-expérimentale, sur le plan de la causalité. La section 4 portera ensuite sur la relation entre modèle et explication scientifique. La section 5 examinera un exemple pratique de modélisation en démographie, tandis que la section 6 posera la question de l'unicité ou non du modèle. La section 7 traitera d'un problème très actuel : du bon usage du Big Data dans la modélisation en sciences sociales. La section 8 examinera la relation entre explication, modèle et intervention politique. L'article se terminera par quelques remarques en guise de conclusion.

Comme toute science, les sciences sociales cherchent à expliquer et à comprendre les phénomènes relevant de leur objet, ici les phénomènes sociaux. Quelles sont les causes du terrorisme ? Pourquoi l'économie allemande est-elle plus performante que celle de la France ? Quelles sont les raisons des différences de mortalité observées entre les trois Régions de la Belgique ? … Voilà une série de questions judicieuses que l'on peut se poser. Il s'agit chaque fois d'une explanation-seeking why question, selon Carl Hempel (1965), c'est-à-dire d'une question sur le 'pourquoi' des choses, requérant une explication. Pour tenter d'y répondre, les scientifiques ont mis au point diverses approches et méthodes quantitatives ou qualitatives. Quelle que soit la méthodologie, et elles sont nombreuses en sciences sociales, il s'agira toujours de confronter ses hypothèses, théories et modèles aux faits. L'observation des faits et l'évaluation de la pertinence de leur interprétation constituent ainsi un aspect important de la démarche scientifique. L'objet de cet article n'est pas de présenter un tour d'horizon des différentes approches scientifiques adoptées par les sciences sociales. Il faudrait un très gros volume pour le faire : voir par exemple l'ouvrage bien connu de Madeleine Grawitz (2000) à ce sujet. Plus modestement, ce texte vise à montrer, dans une perspective causale, les particularités, les incertitudes et les défis que soulève la modélisation en sciences sociales. Pour saisir plus aisément nos propos, des exemples seront fournis tout au long du présent article. Le premier auteur étant démographe, les exemples seront principalement tirés des sciences de la population. Nous traiterons d'abord brièvement, dans la section 2, du modèle en tant que représentation de la réalité. La section 3 examinera les différences entre l'approche expérimentale et l'approche non-expérimentale, sur le plan de la causalité. La section 4 portera ensuite sur la relation entre modèle et explication scientifique. La section 5 examinera un exemple pratique de modélisation en démographie, tandis que la section 6 posera la question de l'unicité ou non du modèle. La section 7 traitera d'un problème très actuel : du bon usage du Big Data dans la modélisation en sciences sociales. La section 8 examinera la relation entre explication, modèle et intervention politique. L'article se terminera par quelques remarques en guise de conclusion.