MétaCan
Menu
Retour à la cohorte
Enregistrement W3135591738 · doi:10.1522/radm.no4.1241

COVID-19 et les retombées positives : l’autre côté de la médaille!

2021· article· fr· W3135591738 sur OpenAlexaffvenueabout
Nancy Brassard

Notice bibliographique

RevueAd machina l avenir de l humain au travail · 2021
Typearticle
Languefr
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensUniversité de MontréalUniversité LavalUniversité du Québec à MontréalUniversité du Québec à Chicoutimi
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

La présente étude, de nature exploratoire, expose les divers aspects positifs issus du confinement lié à la pandémie de la COVID-19 au Québec. Une trentaine d’entretiens informels ont été effectués pour étudier ces perceptions. En somme, les individus ont observé des changements positifs quant à leur rapport à la consommation, leur comportement alimentaire, leur rapport au temps, leur mobilité, leur équilibre personnel, leurs liens communautaires, leur capacité de résilience et leur littératie numérique. Néanmoins, le temps passe et ces aspects positifs, s’ils ne sont pas activés ou préservés, pourraient s’estomper. Si tel est le cas, il ne sera plus possible de s’appuyer sur ceux-ci pour transformer la société vers une gestion bienveillante et le développement des capacités d’apprentissage des organisations. Malgré une intervention rapide et financière des gouvernements, il ne semble pas y avoir de mécanismes mis en place de manière concomitante pour susciter des transformations (p. ex. : l’adaptation des services de restauration, les formations pour les chômeurs, etc.). Ainsi, nous souhaitons mettre en lumière le côté positif du confinement pour encourager les acteurs de la société à se mobiliser en vue de devenir plus résilients et innovateurs dans leurs pratiques pour contribuer au développement de la « nouvelle normalité » ou faire face à de nouvelles vagues ou crises.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,666
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,031
Tête enseignante GPT0,298
Écart entre enseignants0,267 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations2
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAd machina l avenir de l humain au travailMême sujetCOVID-19 Pandemic ImpactsTravaux en français237 207