Bibliographic record
Abstract
RÉSUMÉ Les compagnons rémunérés, fonctionnant d’une façon autonome ou par le biais des agences privées de soins à domicile, effectuent une variété de services pour les personnes âgées nanties qui peuvent se payer pour le soutien privé dans leurs maisons et dans les centres qui dispensent tels soins. Cette étude a examiné le travail accompli par les compagnons rémunérés, en s’appuyant sur des entretiens semi-structurés, ouverte, des entrevues en personne et d’élicitation des photos auto-pilotées (par lequel les individus prennent leur propres photos et en discuter plus tard dans les entretiens) avec 30 participants (15 compagnons, 8 clients et 7 informateurs clés). Les résultats ont révelé que, de plusieurs façons, les services fournis par les compagnons pour les clients qui vivent dans leurs propres maisons ressemblent aux soins à domicile basés sur les tâches, mais l’accent mis sur le travail est différent. Les relations sociales et émotionelles avec les clients sont au centre de leur travail. Les compagnons basés dans les établissements jouent un rôle unique, remplissant le vide laissé par les compressions budgetaires des ratios de dotation en personnel, qui garde les résidents âgés, souvent atteint de démence, impliqués et engagés dans le monde.
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 | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.031 | 0.002 |
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".