MétaCan
Menu
Back to cohort
Record W2236253123

Intervention en situation de désastre : connaître les conséquences de l'exposition aux catastrophes pour mieux intervenir

2006· article· fr· W2236253123 on OpenAlexfundaboutno aff
Danielle Maltais, Sabrina Tremblay, Nathalie Côté

Bibliographic record

VenueConstellation (Université du Québec à Chicoutimi) · 2006
Typearticle
Languagefr
FieldSocial Sciences
TopicDisaster Management and Resilience
Canadian institutionsnot available
FundersMinistère de la SantéMinistère de la Santé et des Services sociaux
KeywordsHumanitiesPolitical scienceArt
DOInot available

Abstract

fetched live from OpenAlex

Aucun individu, ni aucune communauté d’ici et d’ailleurs n’est à l’abri d’événements traumatisants, comme les catastrophes naturelles ou technologiques ou celles causées par la négligence ou le désespoir humain. Selon plusieurs experts environnementaux, le réchauffement global de la planète ou l’effet de serre provoquerait de nombreux bouleversements climatiques qui seraient à l’origine de plusieurs désastres naturels, dont des inondations, des glissements de terrain et de graves tempêtes de neige ou de verglas. Au Québec, ces types de désastres perturbent annuellement la vie quotidienne de milliers de citoyens. Plusieurs intervenants rémunérés ou bénévoles oeuvrant dans des organismes communautaires peuvent être en contact direct avec ces victimes pendant ou après ces événements traumatisants. L’objectif de cette séance de formation est de permettre à des intervenants rémunérés ou bénévoles d’organismes communautaires et charitables de participer, dans leur propre région, à un forum qui leur est destiné. Cette activité permet de recevoir des informations et du matériel didactique sur les conséquences des catastrophes et des événements traumatisants, sur la santé des individus et des intervenants et propose quelques stratégies à utiliser pour aider les personnes aux prises avec des problèmes de santé post-désastre.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Insufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.344
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0010.001
Scholarly communication0.0000.001
Open science0.0000.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0150.000

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.

Opus teacher head0.012
GPT teacher head0.229
Teacher spread0.218 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations3
Published2006
Admission routes2
Has abstractyes

Explore more

Same venueConstellation (Université du Québec à Chicoutimi)Same topicDisaster Management and ResilienceFrench-language works237,207