Bibliographic record
Abstract
La communication ultime : le nonverbal en soins palliatifsNicole Giroux 1 Le non-verbal occupe une place importante dans la communication humaine.Durant les premiers moments de la vie, il préside à la constitution des liens les plus significatifs.Tout au long de la vie.il accompagne l'expression langagière.À la fin de la vie, il vient parfois envahir tout l'espace de communication pour se substituer à la parole, aider le mourant à se « mettre au monde » 1 puis à s'en détacher. 2On connaît peu de chose de la communication non-verbale en fin de vie.Cette présentation traite du non-verbal comme substitut à la communication verbale dans le contexte des soins palliatifs.Elle se veut une première réflexion sur ce phénomène, réflexion élaborée à partir de la littérature sur le non-verbal, particulièrement dans les organisations de soins, et aussi à partir des récits des intervenants du domaine. 3Après avoir défini les soins palliatifs, décrit le contexte de fin de vie, le corps sera présenté comme médium expressif de l'engagement des participants.Par la suite, les comportements non-verbaux en soins palliatifs seront dépeints à partir des catégories développées dans la littérature.Différentes dimensions seront ainsi explorées tant du point de vue du patient que de celui des intervenants qui ensemble partagent, dans cette communication du corps, les derniers instants d'une vie et lui donnent sens.En conclusion, la nécessité d'un partage et d'un développement des connaissances sur la communication non-verbale en soins palliatifs sera discutée.
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 | 0.002 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.004 | 0.005 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.016 | 0.004 |
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".