Co-créer à l’intérieur de réseaux hybrides : que peut-on apprendre des difficultés rencontrées ? L’exemple de la lutte contre les infections transmises par le sang et le sexe
Bibliographic record
Abstract
Cet article analyse des processus de co-création à l’intérieur de réseaux hybrides. Plus précisément, il se penche sur un dispositif particulier de co-création, en l’occurrence une communauté stratégique mise en place pour expérimenter des nouvelles façons de faire en matière de lutte contre les infections transmises par le sang et le sexe au Québec. Une communauté stratégique est une structure temporaire de collaboration inter-organisationnelle, composée de professionnels, de cadres de premier niveau, d’omnipraticiens, de représentants d’organismes communautaires, etc. dont le mandat consiste à générer, à mettre en pratique et à évaluer des idées nouvelles concernant l’organisation des services. Les résultats de cette étude mettent en évidence les difficultés rencontrées ainsi que les enjeux liés à ces processus de co-création. Remarques à l’intention des praticiens La mise en œuvre de processus-de co-création, impliquant des acteurs du secteur public, privé et communautaire, se confronte à de nombreux enjeux : 1) l’intéressement des acteurs concernés par les problématiques complexes ; 2) la constitution d’espaces réflexifs et d’expérimentation impliquant des acteurs jouant un rôle important au niveau de l’implantation du changement ; 3) la mobilisation d’outils et de facilitateurs pour élaborer une vision commune ; 4) le passage à l’action pour valider les nouvelles façons de faire.
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 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.007 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
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".