Entendre et comprendre les expériences de désastre par la recherche narrative
Notice bibliographique
Résumé
Les événements météorologiques extrêmes (EME) et les désastres qu’ils entrainent provoquent des conséquences psychosociales qui sont modulées en fonction de différents facteurs sociaux. On constate aussi que les récits médiatiques et culturels qui circulent au sujet des EME ne sont pas représentatifs de l’ensemble des expériences de personnes sinistrées : celles qui en subissent les conséquences les plus sévères tendent aussi à être celles qu’on « entend » le moins dans l’espace public. Ces personnes sont ainsi susceptibles de vivre de l’injustice épistémique, ce qui a des effets délétères sur le soutien qu’elles reçoivent. Face à ces constats s’impose la nécessité de mieux comprendre la diversité des expériences d’EME et d’explorer des stratégies pour soutenir l’ensemble des personnes sinistrées dans leur rétablissement psychosocial. Cet article soutient que la recherche narrative peut contribuer à répondre à ces objectifs. En dépeignant des réalités multiples, la recherche narrative centrée sur les récits de personnes sinistrées présente aussi un intérêt significatif pour l’amélioration des pratiques d’intervention en contexte de désastre.
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 | 0,011 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,014 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,001 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 ».