Bibliographic record
Abstract
Con su mers say that they do not want to just learn to live with a severe men tal ill ness, they want to reco ver.» (Tor rey et Wyzik, 2000, 210).« Work is key to reco very » (Rogers, 1995, 5) L es docu ments défi nis sant l'ac tuelle poli ti que de santé men tale au Qué bec, soit le Plan d'ac tion pour la trans for ma tion des ser vi ces de santé men tale (MSSS, 1998) et la Poli ti que de santé men tale (MSSS, 1989), sont tous deux basés sur le pos tu lat sui vant : « Je suis une personne, pas une mala die » (p.11), selon la for mu la tion d'un acteur que con sul tait le Comité de la poli ti que de santé men tale en 1987.Ce cri du cœur dénon çait la déper son na li sa tion de l'in di vidu par le sys tème psychia tri que.En 1989, le gou ver ne ment du Qué bec émet tait une poli ti que visant à per son na li ser le trai te ment des indi vi dus souf frant de trou bles mentaux.Dans sa Poli ti que de santé men tale (1989) le gou ver ne ment adoptait le prin cipe sui vant : « Assu rer la pri mauté de la per sonne qui impli que le res pect de sa per sonna lité, de sa façon de vivre, de ses dif fé ren ces et des liens qu'elle entre tient avec son envi ron ne ment.C'est éga le ment miser sur ses capa ci tés, tenir compte de son point de vue, favo ri ser sa par ti ci pa tion et celle de ses proches.Cette orien ta tion sup pose enfin sa par ti ci pa tion dans les déci sions qui la con cer nent, la prise en con si dé ra tion de l'en sem ble de ses besoins et de sa con di tion bio-psycho-sociale ainsi que le res pect de ses droits » (p.23). *Gilles Lau zon, M.PS., est coor don na teur de l'As so cia tion qué bé coise pour la réadap ta tion psy cho so ciale (AQRP).
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 | 0.015 | 0.023 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.012 | 0.011 |
| Scholarly communication | 0.014 | 0.006 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.005 | 0.007 |
| Insufficient payload (model declined to judge) | 0.035 | 0.007 |
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".