Notice bibliographique
Résumé
La crise sociosanitaire causée par la COVID-19 a mis en exergue la pénurie de main-d’œuvre dans les centres d’hébergement et de soins de longue durée (CHSLD) du Québec – équivalent des Ehpad en France – et a mené à un constat de maltraitance organisationnelle. En réponse, le gouvernement a rapidement mis en œuvre diverses solutions, dont le déploiement d’une formation abrégée tentant ainsi de recruter 10 000 nouveaux préposés aux bénéficiaires (PAB) – appelés aides-soignants en France. La formation abrégée vise l’acquisition de 8 des 15 compétences courantes chez un PAB. Cet article, appuyé sur une analyse de documents gouvernementaux, journalistiques et académiques, pose un regard critique sur les bénéfices et les écueils anticipés de cette solution et propose des pistes en vue de les amoindrir. La contribution de ces PAB nouvellement formés vise à améliorer les conditions de travail des employés actuels, à favoriser une stabilisation des équipes et à rehausser la qualité des soins et services offerts aux aînés en CHSLD. Cependant, le programme abrégé ne comprend pas l’acquisition de certaines compétences relationnelles, dont celles ayant trait à la lutte contre la maltraitance.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,002 |
| Communication savante | 0,003 | 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) | 0,017 | 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 ».