Intervention en situation de désastre : connaître les conséquences de l'exposition aux catastrophes pour mieux intervenir
Bibliographic record
Abstract
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 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 | 0.007 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.012 | 0.011 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.014 | 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".