L’exploitation financière des personnes aînées au Québec : le point de vue des professionnels
Notice bibliographique
Résumé
En ce qui a trait à l’exploitation financière des personnes aînées, les recherches scientifiques ont mis de l’avant le rôle important que peuvent jouer, en matière de détection ou de signalement, les professionnels qui travaillent au quotidien auprès des aînés : notaires, comptables, banquiers, travailleurs sociaux, médecins et avocats. Ces professionnels ont la possibilité de jouer un rôle de « sonde » auprès des aînés : à l’affût des signes de leur bien-être, ils sont aussi les mieux placés pour détecter des formes d’exploitation. Cet article présente les résultats préliminaires d’une enquête de terrain qualitative et exploratoire, menée au cours des années 2014 et 2015 auprès d’un échantillon total de 27 professionnels-« sondes », principalement de la région de Québec, enquête qui a permis de faire un bilan de la situation quant à leur volonté et, plus particulièrement, à leur capacité de détecter ou de signaler les situations potentiellement problématiques qu’ils constatent dans le cadre de leurs fonctions quotidiennes. Les résultats de la recherche permettent d’analyser les ressources, les manques et les besoins de ces acteurs, en plus de mettre en lumière l’ensemble des autres stratégies qu’ils déploient en vue de protéger leur clientèle vulnérable, tout en préservant les responsabilités professionnelles qu’ils doivent assumer.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,011 | 0,005 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».