Variation des choix du vocabulaire soignant à propos d’aînés mésusant d’alcool
Notice bibliographique
Résumé
Vieillesse et mésusage d’alcool concentrent des stéréotypes négatifs, pouvant générer parmi les soignants un cumul de représentations défavorables à propos de sujets âgés avec trouble d’usage d’alcool, et induire leur négligence par contre-attitudes négatives. Objectifs : Approcher les attitudes soignantes par le biais de la forme des discours recueillis à propos d’aînés mésusant d’alcool. Méthodes : Une étude par entretiens individuels a concerné 45 soignants hospitaliers (69 % de femmes), parmi 582 infirmiers et 116 médecins de huit établissements de santé (hôpitaux ou établissements d’hébergement pour personnes âgées dépendantes) avec analyse textuelle non informatisée puis analyse automatisée du contenu des discours, par le logiciel Alceste®. Résultats : Si l’humour émerge spécifiquement de l’analyse textuelle non informatisée dès que les propos concernent les consommations d’alcool, une altération du choix des mots est rapidement apparue lors de l’analyse automatisée par Alceste®, avec recours à des termes familiers ou triviaux, jamais retrouvés dans aucune autre thématique des discours. Discussion : Ces constats ouvrent vers diverses hypothèses sous-tendant ces altérations du langage soignant entre : possible recherche de proximité, jeu sur la similitude-dissemblance, spécificité associée aux particularités issues de pathologies dites auto-infligées, forme de provocation masochiste, dégoût inspiré par ces patients, avant d’enfin envisager certains aspects, positifs en osant parler du plaisir à boire de l’alcool. Conclusion : Au-delà de l’apparence des discours, la prise en compte des éléments internes à la pensée des soignants permet d’aborder le comportement de ces professionnels. Cette approche vise à promouvoir un regard psychodynamique sur les personnes âgées mésusant d’alcool au travers des attitudes soignantes.
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 | 0,004 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 ».