Milieu d’hébergement domotisé pour la clientèle ayant une déficience cognitive : de l’implantation à l’évaluation
Bibliographic record
Abstract
Au Canada, plus de 100 000 personnes sont victimes d’un traumatisme crânien cérébral (TCC) annuellement et trouvent difficilement un milieu adapté à leurs besoins. Afin de répondre à ces derniers, un projet novateur a permis de créer une ressource d’hébergement alternative qui permettra d’optimiser la participation sociale des résidents TCC grâce à différentes technologies d’assistance et de télé-vigilance développées et introduites progressivement. Une étude a permis de recueillir les attentes et besoins exprimés par les résidents. Suite à cette étude, un projet interdisciplinaire a débuté en vue de concevoir, implanter et évaluer l’effet d’un assistant-chef, une aide technologique pour la cognition, lors de la préparation des repas. Les objectifs de ce projet sont de 1) développer un assistant-chef pour la préparation de repas (volet technologie), 2) évaluer les effets sur la préparation de repas et l’autonomie des résidents (volet recherche évaluative) et 3) évaluer les leviers et obstacles à son implantation (volet recherche évaluative). Cette recherche inclut différentes méthodologies, dont la conception participative (volet technologique) et un devis mixte combinant la recherche-action et une étude de cas uniques multiples (volet recherche évaluative). Les retombées anticipées à court terme sont de permettre aux résidents de recommencer à exercer une activité significative pour eux, soit cuisiner de façon sécuritaire. Également, à plus long terme, nous espérons que de tels outils favoriseront l’indépendance des personnes avec troubles cognitifs, qu’ils amélioreront l’efficience des professionnels de la santé en terme d’intervention cognitive, qu’ils faciliteront le maintien à domicile et qu’ils diminueront les coûts de santé.
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 | 0.004 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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".