Le soutien à l’emploi de type « IPS » pour les personnes souffrant de troubles mentaux graves : une voie d’avenir pour le Québec?
Bibliographic record
Abstract
Jusqu'à tout récemment, trois approches principales ont été utilisées aux États-Unis et au Canada pour favoriser l'intégration au travail des personnes souffrant de troubles mentaux graves : formations préparatoires à l'emploi compétitif, emplois non compétitifs proposés comme substituts à l'emploi compétitif et incitatifs et contraintes visant à atténuer les réticences des employeurs potentiels à embaucher des personnes atteintes de troubles mentaux. Le soutien à l'emploi représente une nouvelle approche qui se répand de plus en plus aux États-Unis et au Canada. Le soutien à l'emploi de type «»Individual Placement and Support », ou IPS (Placement et soutien individuels) dont les principes s'appuient sur les résultats de la recherche évaluative, vise le placement aussi rapide que possible dans un emploi régulier choisi en fonction des intérêts et habiletés du client. Il implique une intégration étroite entre les activités de soutien à l'emploi et les activités cliniques. Les études recensées démontrent qu'il est beaucoup plus efficace que les autres approches évaluées quant à l'obtention d'emplois réguliers. Des études québécoises sont nécessaires pour en évaluer l'efficacité ici. Son implantation au Québec soulèverait plusieurs enjeux notamment au niveau de l'organisation des services et des politiques d'emploi et de la sécurité du revenu. Les politiques actuelles facilitent peu l'intégration en milieu de travail régulier.
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 | 0.004 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.008 | 0.003 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.020 | 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".