Bibliographic record
Abstract
Les phénomènes de clivages d’équipes dans les institutions d’accompagnement des personnes du secteur sanitaire ou social sont une donnée quasi inhérente à ces organisations. Le travail centré sur la relation d’aide à l’usager ainsi que l’interdépendance des équipes à l’accomplissement de leur mission produisent un mode de défense groupal aux ramifications complexes et aux effets délétères. Le clivage s’inscrit dans un scénario d’exclusion et une logique rivalitaire entre collègues. La souffrance humaine que génère ce phénomène ainsi que les conséquences négatives pour la prise en charge des usagers restent insuffisamment explorées. En ce sens, nous proposons un apport clinique construit à partir de l’expression des professionnels lors de réunions d’équipe et de séances d’analyses des pratiques. Ces différents contextes de travail auprès d’équipe éducatives, paramédicales et de direction nous ont permis de décliner le clivage institutionnel comme une frontière tout en développant une typologie entre clivages stables/organisés vs instables/désorganisés. À partir de nos observations des souffrances et des évolutions probables des clivages institutionnels, nous proposerons des pistes d’intervention sous la forme de dispositifs institutionnels.
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 | 0.006 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.013 | 0.031 |
| Scholarly communication | 0.010 | 0.008 |
| Open science | 0.002 | 0.010 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.013 | 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".