Bibliographic record
Abstract
Description. Compte tenu de la nature de la philosophie et de la pratique de l’ergothérapie, il n’est pas surprenant que le rôle « d’agent de changement » figure parmi les sept rôles assumés par les ergothérapeutes. But. Ce discours Muriel Driver examine le rôle d’agent de changement, ce qu’il signifie, de même que les connaissances, les compétences et les qualités personnelles requises pour assumer ce rôle efficacement. Questions clés. Dans l’ensemble, on a écrit relativement peu de choses au sujet du rôle d’agent de changement dans la littérature en ergothérapie. Une bonne partie de ce qui existe à ce sujet est implicite et souvent englobé dans des sujets connexes, comme la défense des intérêts. Un examen de la littérature d’autres domaines a permis de mettre en relief quatre thèmes importants à propos de ce rôle : (1) les agents de changement sont introspectifs, réfléchis et disciplinés; (2) les agents de changement sont des leaders visionnaires et des agents mobilisateurs; (3) les agents de changement sont des agents d’intégration et des courtiers du savoir; et (4) les agents de changement sont des interventionnistes diplomatiques qui produisent des résultats significatifs. Ces thèmes mettent en évidence plusieurs aspects sur lesquels la littérature en ergothérapie est demeurée silencieuse. Conséquences. Pour briser le silence et aller de l’avant, il faudra participer à des débats ouverts, controversés et savants, remettre constamment en question les compétences jugées essentielles pour assumer le rôle d’agent de changement, et transmettre clairement le message que nous pouvons tous être des agents de changement compétents et efficaces, peu importe notre titre ou notre milieu de pratique. Financement. Ce discours n’a bénéficié d’aucun financement.
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 | 0.005 | 0.022 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.005 | 0.004 |
| Scholarly communication | 0.006 | 0.007 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.006 | 0.010 |
| Insufficient payload (model declined to judge) | 0.026 | 0.016 |
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".