MétaCan
Menu
Back to cohort
Record W2804711147 · doi:10.7202/1045166ar

Les débuts de la prise en charge de la gestion des documents administratifs au Centre intégré universitaire de santé et de services sociaux du Saguenay–Lac-Saint-Jean

2018· article· fr· W2804711147 on OpenAlexaffvenueabout
DANY OUELLET

Bibliographic record

VenueArchives · 2018
Typearticle
Languagefr
FieldComputer Science
TopicCultural Insights and Digital Impacts
Canadian institutionsCentre Intégré Universitaire de Santé et de Services Sociaux du Saguenay–Lac-Saint-JeanUniversité du Québec à Chicoutimi
Fundersnot available
KeywordsHumanitiesPolitical scienceArt

Abstract

fetched live from OpenAlex

La mise en place d’un système de gestion intégrée des documents est un défi en soi, mais il est particulièrement ambitieux de le faire dans le contexte de fusion de structures aussi imposantes que celles des établissements du réseau de la santé. Dany Ouellet nous présente ici un retour sur l’expérience et les premières initiatives en ce sens au sein du Centre intégré universitaire de santé et de services sociaux du Saguenay–Lac-Saint-Jean. Le projet fut de taille en particulier par la diversité des approches de gestion documentaire et des outils en vigueur dans les différentes entités qui furent fusionnées suite à l’adoption par le gouvernement du Québec d’une loi à cet effet en 2015. Dans cet article, l’auteur fait la recension des étapes parcourues jusqu’à maintenant et des problématiques soulevées. L’équipe de gestion documentaire nouvellement réunie dût d’abord constater les ressources disponibles, la masse de documents à traiter. Il fut nécessaire de tenir compte du respect des directives de Bibliothèque et Archives nationales du Québec, ainsi que des archives numériques, bien que les réalisations aient surtout été centrées sur les documents papier, dans un premier temps. L’auteur retient en conclusion que la reconnaissance de la gestion documentaire dans l’organigramme de l’organisme et l’appui d’un gestionnaire dans un milieu où les archives administratives sont souvent négligées par rapport aux archives médicales, ont été des facteurs facilitant dans ce processus. Et il y a tout lieu d’être optimiste quant à la suite.

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 imitation

Not 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.

metaresearch head score (Codex)0.021
metaresearch head score (Gemma)0.035
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.800
Threshold uncertainty score0.398

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0210.035
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0030.003
Science and technology studies0.0100.006
Scholarly communication0.0240.007
Open science0.0020.007
Research integrity0.0030.003
Insufficient payload (model declined to judge)0.0160.005

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 head0.051
GPT teacher head0.318
Teacher spread0.267 · 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 source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designNot applicable
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

Citations1
Published2018
Admission routes3
Has abstractyes

Explore more

Same venueArchivesSame topicCultural Insights and Digital ImpactsFrench-language works237,207