MétaCan
Menu
Retour à la cohorte
Enregistrement W4386916977 · doi:10.1522/revueot.v32n2.1602

Les effets de la pandémie de COVID-19 sur l’intervention collective visant la mobilisation et le développement des communautés à Sherbrooke

2023· article· fr· W4386916977 sur OpenAlexaffvenueabout
Marie Suzanne Badji, Serge Touba Mbacké Gueye, Denis Bourque, Chantal Doré, Émanuèle Lapierre-Fortin, Néné Oularé, Paul Morin

Notice bibliographique

RevueRevue Organisations & territoires · 2023
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueSocial Sciences and Governance
Établissements canadiensUniversité de SherbrookeUniversité du Québec en OutaouaisUniversité du Québec en Abitibi-TémiscamingueInstitut National d'Excellence en Santé et en Services Sociaux
Organismes subventionnairesnon disponible
Mots-clésHumanitiesCoronavirus disease 2019 (COVID-19)Political sciencePhilosophyMedicine

Résumé

récupéré en direct d'OpenAlex

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 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)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,520
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,002
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,059
Tête enseignante GPT0,357
Écart entre enseignants0,298 · 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'étudeObservationnel
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

Citations3
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueRevue Organisations & territoiresMême sujetSocial Sciences and GovernanceTravaux en français237 207