Les essais et erreurs, ensemble : la pensée divergente et l’apprentissage collectif dans la mise en œuvre des réseaux intégrés de soins
Bibliographic record
Abstract
Les réseaux hybrides, qui relient des professionnels et des organisations divers et variés sont une façon d’offrir des soins intégrés aux patients. La littérature récente soutient que la bonne mise en œuvre de ces réseaux passe par une perspective socio-cognitive, dans laquelle les représentations mentales et les processus de pensée sont priorisés, étudiés et comparés. Le présent article a pour but d’identifier les points de divergence entre les façons de voir les choses chez les acteurs cliniques et managériaux concernés par la mise en œuvre des réseaux intégrés de soins connus sous le nom de « Maillons santé » (ou « Health Links », HL) en Ontario, au Canada, et de décrire les moyens d’améliorer la capacité des acteurs à apprendre de manière collective et à développer des points de vue plus convergents. Nous nous appuyons sur la théorie des modèles mentaux partagés et la théorie de l’apprentissage par la pratique pour effectuer une analyse secondaire des données d’entretiens réalisés auprès de 55 professionnels de la santé et autres cadres concernés par la mise en œuvre des Maillons santé. Nous avons épinglé des exemples de divergences dans la manière dont les acteurs conceptualisent le modèle et l’approche en ce qui concerne ces Maillons santé (« modèle mental de stratégie ») et leurs perceptions mutuelles et la manière dont ils travaillent ensemble (« modèle mental de relations »). Nous avons par ailleurs épinglé quatre stratégies qui facilitent l’apprentissage et, éventuellement, la convergence des modèles mentaux. Les résultats de l’étude devraient faciliter le dialogue entre les parties prenantes en faveur d’un apprentissage collectif et d’une action coordonnée dans le cadre de la prestation intégrée de soins. Remarques à l’intention des praticiens Nos observations indiquent que dans la mise en œuvre d’un changement de grande envergure, faisant intervenir plusieurs groupes de parties prenantes, il existe des domaines prévisibles où des opinions divergentes sont susceptibles d’apparaître et d’avoir des effets négatifs sur la coordination des actions. Avoir conscience de ces divergences potentielles est un moyen d’amener les praticiens à les examiner de manière explicite et régulière, et à élaborer de manière proactive des stratégies destinées à favoriser l’apprentissage par la pratique et le développement d’une perspective convergente.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.003 | 0.006 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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; both teacher heads 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".