MétaCan
Menu
Retour à la cohorte
Enregistrement W2893068063 · doi:10.3917/risa.843.0485

Co-créer à l’intérieur de réseaux hybrides : que peut-on apprendre des difficultés rencontrées ? L’exemple de la lutte contre les infections transmises par le sang et le sexe

2018· article· fr· W2893068063 sur OpenAlexaffabout
Nassera Touati, Lara Maillet

Notice bibliographique

RevueRevue Internationale des Sciences Administratives · 2018
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueSocial Sciences and Governance
Établissements canadiensCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-MontréalÉcole Nationale d'Administration Publique
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Cet article analyse des processus de co-création à l’intérieur de réseaux hybrides. Plus précisément, il se penche sur un dispositif particulier de co-création, en l’occurrence une communauté stratégique mise en place pour expérimenter des nouvelles façons de faire en matière de lutte contre les infections transmises par le sang et le sexe au Québec. Une communauté stratégique est une structure temporaire de collaboration inter-organisationnelle, composée de professionnels, de cadres de premier niveau, d’omnipraticiens, de représentants d’organismes communautaires, etc. dont le mandat consiste à générer, à mettre en pratique et à évaluer des idées nouvelles concernant l’organisation des services. Les résultats de cette étude mettent en évidence les difficultés rencontrées ainsi que les enjeux liés à ces processus de co-création. Remarques à l’intention des praticiens La mise en œuvre de processus-de co-création, impliquant des acteurs du secteur public, privé et communautaire, se confronte à de nombreux enjeux : 1) l’intéressement des acteurs concernés par les problématiques complexes ; 2) la constitution d’espaces réflexifs et d’expérimentation impliquant des acteurs jouant un rôle important au niveau de l’implantation du changement ; 3) la mobilisation d’outils et de facilitateurs pour élaborer une vision commune ; 4) le passage à l’action pour valider les nouvelles façons de faire.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,086

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,007
Communication savante0,0070,004
Science ouverte0,0010,006
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,069
Tête enseignante GPT0,388
Écart entre enseignants0,319 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRevue Internationale des Sciences AdministrativesMême sujetSocial Sciences and GovernanceTravaux en français237 207