MétaCan
Menu
Retour à la cohorte
Enregistrement W7054769195

Analyse logique et d'implantation d’une formation sur les attitudes et comportements alimentaires fonctionnels grâce à une démarche de coconstruction reconnaissant le savoir expérientiel

2024· dissertation· fr· W7054769195 sur OpenAlexaboutno aff

Notice bibliographique

RevueLe dépôt institutionnel (Université du Québec à Trois-Rivières) · 2024
Typedissertation
Languefr
DomaineEngineering
ThématiqueLaser Design and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPopulationContext (archaeology)Promotion (chess)Economic shortage
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Contexte. Près de 50% de la population présente des attitudes et comportements alimentaires (ACA) dysfonctionnels qui ont été exacerbés par la pandémie de COVID-19 (Monthuy-Blanc, Corno, et al., 2022; Phillipou et al., 2020; Scarmozzino & Visioli, 2020). Afin d’outiller la population face aux ACA dysfonctionnels, les ressources dans la collectivité et les initiatives de promotion et d’éducation à la santé liées aux ACA fonctionnels sont recommandées par plusieurs experts, mais peu sont déployées (Bell et al., 2017; Levine & Smolak, 2016; Mond, 2016). De telles ressources et initiatives ont le potentiel de favoriser le développement de connaissances et de compétences concernant: la valorisation de la diversité corporelle; la reconnaissance et la connexion à ses signaux corporels de faim et de satiété; et l’autocompassion (Levine, 2022; Linardon, 2021; Voica et al., 2021). Une des initiatives en matière d’éducation à la santé mentale qui s’est rapidement développée dans le monde est le modèle « Recovery College » (RC) (Hayes et al., 2023; King & Meddings, 2019). Le modèle RC propose des formations sur le bien-être et la santé mentale, accessibles à tous et offertes dans la collectivité (Perkins & Repper, 2017). Plusieurs études empiriques confirment des retombées sur le développement de connaissances et de compétences pour prendre soin de sa santé de même que sur l’ouverture et la valorisation de perspectives diversifiées (Crowther et al., 2019; Thompson et al., 2021). Dans le contexte de cette thèse, une nouvelle formation sur les ACA fonctionnels a été codéveloppée et implantée en collaboration avec le « Recovery College » québécois, le Centre d'apprentissage Santé et rétablissement (CASR). Cette thèse vise à comprendre comment élaborer et mettre en oeuvre une intervention d’éducation à la santé au sein du modèle RC, qui permet la promotion d’ACA fonctionnels. Méthodes. Le projet de thèse s’articule selon deux phases. La phase 1 a pour objectif de modéliser et analyser la théorie de l’intervention sur les ACA fonctionnels. La phase 2 a pour objectif d’analyser la mise en oeuvre cette intervention et d’apprécier sa conformité avec la modélisation théorique (phase 1) et avec les principes du modèle RC. Approche méthodologique de la phase 1. Suivant une démarche d’analyse logique, la modélisation théorique de l’intervention sur les ACA fonctionnels a été coconstruite et covalidée par un groupe de travail formé de sept représentants du domaine des ACA et des RC détenant des savoirs expérientiels, théoriques et pratiques complémentaires. Ensemble ils ont recommandé des améliorations potentielles. Des analyses qualitatives basées sur la stratégie du questionnement analytique (Paillé et Mucchielli, 2016) ont été réalisées sur les trois transcriptions des rondes de consultation. Approche méthodologique de la phase 2. Suivant une démarche d’analyse d’implantation, la formation RC sur les ACA fonctionnels a été offerte et évaluée en utilisant le modèle théorique préalable et les principes clés des RC. Douze séances d'observation non participante, des entrevues individuelles semi-structurées avec les formatrices (n=3) et les apprenants (n=7) ont été réalisés afin de documenter les transformations potentielles de l’intervention, les retombées engendrées et la présence des principes RC. La stratégie du questionnement analytique a permis d’analyser toutes les entrevues. Résultats. Phase 1 analyse logique. Le processus d’analyse logique a permis de coconstruire la formation, d’élaborer sa modélisation théorique et d’y apporter des améliorations. La mise en commun des différents savoirs et expertises ainsi que le processus d’analyse logique ont permis d’améliorer la précision et la clarté des composantes de la formation. Les conditions essentielles pour soutenir et mettre en valeur le savoir expérientiel des formatrices ont été identifiées. La modélisation théorique améliorée est en cohérence avec les données probantes au sujet des ACA fonctionnels et avec les principes RC. Phase 2 analyse d’implantation. La formation est conforme à la modélisation théorique et aux principes du modèle RC. Des écarts mineurs ont été observés et s’expliquent par un recul difficile sur des ACA dysfonctionnels toujours présents chez les formatrices. Les analyses révèlent que la conformité aux principes RC s’est accrue soutenant ainsi les processus d’amélioration continue. Les retombées sont majoritairement conformes à la modélisation théorique: acquisition de connaissances en matière d’ACA, adoption d’ACA plus fonctionnels et capacité à soutenir des proches. Conclusion: La mise en commun d’expertises et de savoirs diversifiés du domaine des ACA et du domaine des RC a contribué à la conformité de la formation. Les processus mettant de l’avant la coconstruction et la complémentarité des savoirs peuvent offrir des pistes enrichissantes pour développer de nouvelles pratiques d’éducation à la santé au sujet des ACA.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,409
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,003
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,026
Tête enseignante GPT0,237
Écart entre enseignants0,212 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLe dépôt institutionnel (Université du Québec à Trois-Rivières)Même sujetLaser Design and ApplicationsTravaux en français237 207