Bibliographic record
Abstract
Les programmes de remediation cognitive se multiplient depuis quelques annees dans les pays francophones. Partant de la constatation des importantes differences interindividuelles, le programme de remediation cognitive pour patients presentant une schizophrenie ou un trouble associe (RECOS) a ete developpe initialement pour traiter les troubles cognitifs de ces personnes de maniere ciblee. Il propose une evaluation neurocognitive detaillee, completee par une evaluation de l'impact fonctionnel des troubles cognitifs mesures. Au terme de l'evaluation, des objectifs concrets, susceptibles d'ameliorer la qualite de vie du participant, sont definis. La phase de remediation se deroule sur 14 semaines et comprend trois seances hebdomadaires, soit deux seances avec le therapeute (une seance papier-crayon et une seance informatisee) et une tâche a domicile dans le but de transferer les competences acquises dans la vie quotidienne du participant. Les competences metacognitives sont sollicitees durant la phase de remediation, a la fois pour acquerir des informations sur les processus cognitifs dans leur ensemble (connaissances metacognitives), pour identifier les strategies deployees durant les exercices informatises (connaissances procedurales) et pour favoriser le transfert d'apprentissage (connaissances conditionnelles). Alors qu'il a tendance a attribuer ses echecs au fait qu'il souffre de schizophrenie, l'amelioration de ces competences permet au participant de comprendre progressivement que ses difficultes sont dues a l'utilisation repetee de strategies peu adaptees a la situation. Plusieurs travaux soulignent aujourd'hui l'interet de coupler la remediation cognitive avec d'autres programmes de rehabilitation, comme les dispositifs de soutien a l'emploi. [Resume d'auteur]
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.003 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.003 | 0.005 |
| Research integrity | 0.007 | 0.003 |
| Insufficient payload (model declined to judge) | 0.985 | 0.984 |
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; the direct Gemma label and the distilled Codex classifier agree on what is shown here.
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".