Les stratégies de changement en milieu hospitalier : construire une relation de confiance
Bibliographic record
Abstract
Résumé Dans un article précédent, nous avons démontré, à travers l’étude de deux cas, le rôle prédominant de la confiance dans une dynamique de changement. Ainsi, la confiance a permis d’expliquer la différence entre un changement réussi et un changement inachevé. Nous prolongeons cet article en soulignant l’importance de créer un contexte favorable à l’établissement d’une relation de confiance entre les gestionnaires et les cliniciens qui désirent lancer un projet de changement. Le problème réside toutefois dans la manière d’opérationnaliser ce concept, car la confiance ne se commande pas, contrairement au pouvoir. Cet article vise à indiquer la façon dont la confiance s’opérationnalise dans le quotidien des personnes qui prodiguent les soins. En premier lieu, nous énoncerons les concepts clés associés à la confiance. En deuxième lieu, nous présenterons les sept formes de la confiance que l’observation de la réalité hospitalière permet de relever. En troisième lieu, nous proposerons un éclairage conceptuel de la confiance, en déterminant les façons d’activer les concepts clés. En quatrième lieu, nous énumérerons les principaux modes de construction et d’altération de la confiance et suggérerons quelques stratégies pour les enclencher. Enfin, en cinquième lieu, nous désignerons quelques dangers qui guettent le lecteur qui serait tenté d’emprunter l’avenue de la confiance illusoire.
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 | 0.007 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.005 | 0.020 |
| Scholarly communication | 0.013 | 0.009 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.004 | 0.004 |
| Insufficient payload (model declined to judge) | 0.007 | 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".