Regards pluriels sur les interventions sociales et de santé en contexte de diversité
Bibliographic record
Abstract
Ce numéro thématique met en lumière les travaux réalisés par les membres de l’équipe de recherche METISS (Migration et Ethnicité dans les Interventions en Santé et Service social). Au cours des quinze dernières années, l’équipe METISS est devenue une référence pour ses expertises relatives aux interventions sociales et de santé en contexte de diversité, notamment dans le contexte québécois. Les chercheurs de l’équipe METISS ont comme objectif de mieux comprendre les parcours migratoires et les différentes facettes de l’intégration des immigrants à leur société d’accueil. Le lien aux services sociaux et de santé est central à ces interrogations, mais les recherches entreprises s’intéressent aussi à d’autres dimensions pouvant contribuer à l’amélioration des conditions de vie des populations migrantes, comme le travail, l’interprétariat, l’insertion dans des réseaux de sociabilité ou la prise en compte des savoirs familiaux dans la relation d’aide. De façon générale, ces travaux nous invitent, d’une part, à poser un regard critique sur les conditions qui nuisent à la santé et aux conditions de vie des personnes migrantes et, d’autre part, à réfléchir à des pratiques d’intervention sociale et de santé plus inclusives. Cette façon d’appréhender les enjeux repose sur une conception dynamique de l’ethnicité et de l’immigration qui ne réduit pas le vécu des populations migrantes à des explications culturalistes, mais le situe plutôt dans la dynamique des parcours de vie des migrants et des rapports sociaux existant entre la société d’accueil et les nouveaux arrivants.
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 | 0.067 | 0.093 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.005 | 0.006 |
| Science and technology studies | 0.008 | 0.020 |
| Scholarly communication | 0.016 | 0.014 |
| Open science | 0.004 | 0.010 |
| Research integrity | 0.010 | 0.012 |
| Insufficient payload (model declined to judge) | 0.013 | 0.002 |
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".