MétaCan
Menu
Back to cohort
Record W1030952827 · doi:10.7202/1086384ar

Itinérance et personnes âgées : revue de littérature et observationsd’intervenants du centre-ville de Montréal

2016· article· fr· W1030952827 on OpenAlexaffvenueabout
Jean Gagné, M. Poirier, Caroline Baret

Bibliographic record

VenueDéveloppement Humain Handicap et Changement Social · 2016
Typearticle
Languagefr
FieldHealth Professions
TopicAging, Elder Care, and Social Issues
Canadian institutionsUniversité du Québec à MontréalUniversité du QuébecUniversité TÉLUQ
Fundersnot available
KeywordsHumanitiesPolitical scienceArt

Abstract

fetched live from OpenAlex

Vivre à la rue n’est pas une sinécure pour qui que ce soit, mais cela devient très ardu à un âge avancé alors que l’état de santé de l’individu se fragilise et que son réseau social tend à s’étioler. Tenant compte du vieillissement global de la population mondiale, cette sombre perspective menace un nombre grandissant de personnes ici comme ailleurs. À Montréal spécifiquement, le phénomène est partiellement connu des chercheurs et des intervenants sociaux du réseau public et des organismes communautaires du centre-ville (Agence de la santé et des services sociaux de Montréal (ASSSM), 2008; Réseau d’aide aux personnes seules et itinérantes de Montréal (RAPSIM), 2011; Ville de Montréal, 2011). Cette situation pose un certain nombre d’enjeux pour l’adaptation conséquente de leurs pratiques à de nouvelles demandes en termes de réadaptation, de soins de santé ou de types d’hébergement et de logement. Ces problématiques nous ont incités à initier un programme de recherche dont nous présentons ici la première étape d’exploration suivie de nos conclusions préliminaires. L’objectif final est de rencontrer les acteurs du terrain (personnes âgées en situation d’itinérance et intervenants) afin de mieux comprendre ce phénomène et de proposer des pistes d’intervention.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.004
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies, Insufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.682
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0040.001
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0000.000
Science and technology studies0.0030.000
Scholarly communication0.0000.001
Open science0.0010.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0040.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.059
GPT teacher head0.357
Teacher spread0.298 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designNot applicable
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations2
Published2016
Admission routes3
Has abstractyes

Explore more

Same venueDéveloppement Humain Handicap et Changement SocialSame topicAging, Elder Care, and Social IssuesFrench-language works237,207