Les effets de la pandémie de COVID-19 sur l’intervention collective visant la mobilisation et le développement des communautés à Sherbrooke
Notice bibliographique
Résumé
L’article explore les effets de la pandémie de COVID-19 sur les pratiques d’intervention collective et l’action intersectorielle à Sherbrooke, au Québec, pour comprendre les dynamiques locales pendant la crise sanitaire. Des entrevues individuelles semi-structurées ont été combinées à une analyse de documents. Une analyse de contenu thématique a permis de donner un sens aux données recueillies. Les résultats se déclinent en cinq thèmes principaux. Les processus d’intervention collective et d’action intersectorielle se caractérisent, avant la pandémie, par une culture de collaboration bien établie, par des concertations matures et par des pratiques concertées; pendant la pandémie, par une gestion agile de la réponse, par des intervenants résilients et créatifs ainsi que par une définition spontanée de nouveaux rôles adaptés au contexte. Les stratégies de communication proposées s’articulent autour des sources d’accès à l’information et de la compréhension des informations communiquées. L’analyse des effets de la pandémie révèle des besoins émergents et des vulnérabilités à prendre en compte.
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 | 0,006 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,004 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».