Guide méthodologique
Quelle analyse utiliser ?
Lacuna, ce sont trois moteurs sur une seule mémoire de recherche, plus des ponts de synthèse qui relisent un même cadre à travers une autre famille. Partez de votre question ; la bonne famille suit.
Partez de votre question
Qui façonne le domaine, et selon quels axes ?
Bibliométrie
Que dit la littérature — et que laisse-t-elle non-dit ?
Thématique computationnelle
Quelle est la force de la preuve agrégée, et la défendabilité de la décision ?
Méta-analyse
J'ai un cadre et je veux le lire à travers un autre prisme.
Ponts de synthèse
Les trois moteurs et le pont de synthèse
- Bibliométrie6 méthodes
Transforme les flux de citations, de coauteurs, de mots-clés et temporels en une carte de recherche — où le domaine est dense, qui sont ses centres d'influence, et où se situent les ponts et les ruptures.
Utilisez-la lorsque votre question porte sur la structure d'un domaine plutôt que sur un effet unique.
- Thématique computationnelle6 méthodes
Fait émerger la proximité conceptuelle, la répétition et les zones de silence à travers le texte du corpus. Elle est computationnelle — ce n'est pas l'analyse thématique réflexive de Braun–Clarke.
Utilisez-la pour cartographier les thèmes, suivre leur évolution et marquer les lacunes candidates avec des preuves textuelles.
- Méta-analyse12 méthodes
Sort la méta-analyse d'une sortie de calculatrice et la lie à une trace de décision : taille d'effet, hétérogénéité, sélection du modèle et provenance.
Utilisez-la lorsque vous avez un tableau d'effets et qu'il vous faut une estimation agrégée défendable.
- Ponts de synthèse4 méthodes
Lectures croisées du MÊME cadre : chaque pont relit le tableau d'effets attaché à travers l'exécution d'une autre famille — temps, thème, dépendance ou citation.
Utilisez-les après une exécution de base, pour lire un corps de preuves à travers un second prisme.
Le registre complet des méthodes
Vous trouverez ci-dessous un résumé public de chaque méthode, regroupé par famille. Le registre complet des règles — avec le texte de défense et la provenance de chaque règle — se trouve dans l'espace de travail.
Bibliométrie
Bibliometric Overview
Headline descriptives: production, growth, top sources, authors and keywords.
Moteur: Lacuna native (Python)
Sources Analysis
Source productivity and core journals via Bradford’s Law zones.
Moteur: Lacuna native (Python)
Authors Analysis
Author productivity (Lotka’s Law), impact and dominance over time.
Moteur: Lacuna native (Python)
Documents Analysis
Most-cited documents and the words that travel with them.
Moteur: Lacuna native (Python)
Intellectual Structure
Co-citation and bibliographic coupling — the intellectual base and research fronts.
Moteur: Lacuna native (Python)
Social Structure
Collaboration networks across authors, institutions and countries.
Moteur: Lacuna native (Python)
Thématique computationnelle
Co-word Analysis & Thematic Map
Keyword co-occurrence clustered into a strategic diagram (centrality × density).
Moteur: Lacuna native (Python)
Topic Modeling (LDA / NMF)
Probabilistic or matrix-factorisation topics over the full-text corpus.
Moteur: Lacuna native (Python)
Embedding-based Topic Clustering
Documents embedded (TF-IDF by default; transformer/SBERT optional) and clustered into semantically coherent topics.
Moteur: Lacuna native (Python)
Factorial Analysis
MCA / correspondence analysis projecting terms into a conceptual map.
Moteur: Lacuna native (Python)
Thematic Evolution
How themes split, merge and flow across time slices (Sankey).
Moteur: Lacuna native (Python)
Trending Topics & Burst Detection
Emerging terms and citation bursts over the publication timeline.
Moteur: Lacuna native (Python)
Méta-analyse
Univariate Meta-Analysis
Pool one effect size per study into a single summary estimate with heterogeneity diagnostics.
Moteur: metafor 5.0.1 (R)
Multilevel Meta-Analysis
Two- or three-level models for dependent effect sizes nested within studies or labs.
Moteur: metafor 5.0.1 (R)
GLMM Meta-Analysis
Generalised linear mixed models for binary/count outcomes without normal approximation.
Moteur: metafor 5.0.1 (R)
Network Meta-Analysis
Mixed treatment comparison across ≥3 interventions with a connected evidence network.
Moteur: netmeta (R)
Diagnostic Test Accuracy
Bivariate sensitivity/specificity model with a summary ROC curve.
Moteur: mada (R)
Dose–Response Meta-Analysis
Model the shape of an exposure–outcome relationship across dose levels.
Moteur: dosresmeta 2.2.0 (R)
P-Uniform*
Bias-corrected effect estimate robust to selective publication.
Moteur: Lacuna native (Python)
P-Curve Analysis
Test the significant p-values for evidential value vs p-hacking via the p-curve's right-skew (Simonsohn et al. 2014).
Moteur: Lacuna native (Python)
Trial Sequential Analysis
Adjust cumulative meta-analysis for repeated significance testing — is the evidence conclusive, or is more information needed (Wetterslev et al. 2008)?
Moteur: Lacuna native (Python)
MA Power Analysis
Prospective / retrospective power for a meta-analytic design specification.
Moteur: Lacuna native (Python)
Ponts de synthèse
Cumulative Reading (Time Bridge)
Re-estimate the pooled effect after each study in year order — when the evidence first became conclusive.
Moteur: Lacuna native (Python)
Theme Subgroup Reading (Topic-Model Bridge)
Re-pool as a subgroup analysis whose grouping variable is each study's theme, taken from a topic-model run.
Moteur: Lacuna native (Python)
Dependency Reading (Author-Network Bridge)
Re-pool with cluster-robust variance for studies produced by the same research team, from an author-network run.
Moteur: Lacuna native (Python)
Evidence-Base Diagnosis (Citation Bridge)
Read the body of evidence behind a meta-analysis descriptively, matched to the project's bibliographic records.
Moteur: Lacuna native (Python)
Connectez-vous pour parcourir le registre de règles en direct dans la Bibliothèque.
Ouvrir le registre completPrêt à construire la preuve ?
Choisissez une famille, attachez votre corpus et laissez Lacuna transformer la lacune en un rapport défendable.