Itinérance et personnes âgées : revue de littérature et observationsd’intervenants du centre-ville de Montréal
Bibliographic record
Abstract
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.017 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.010 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.003 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 0.001 |
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.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".