Convergences et différences jalonnant des parcours de bénévolat en soins palliatifs
Bibliographic record
Abstract
De plus en plus, les soins palliatifs sont offerts à des aînés et les bénévoles qui s’y engagent sont aussi majoritairement des aînés. Le bénévolat peut favoriser le pouvoir d’agir des aînés au quotidien. Cet article rapporte les résultats d’une étude qualitative qui a adopté l’approche des récits de vie biographiques. Il montre l’existence d’une grande diversité de facteurs influençant le choix de s’engager bénévolement. Ceux-ci peuvent être d’ordre individuel, organisationnel ou interactionnel. Une attention particulière a été portée aux convergences et aux différences des facteurs mentionnés par des bénévoles impliqués dans deux milieux : celui des associations à but non lucratif, qui sont actifs principalement à domicile et celui des maisons dédiées aux soins palliatifs. Plusieurs facteurs sont communs à tous les participants, quel que soit le milieu dans lequel ils évoluent : les questionnements spirituels, le respect des valeurs humaines ou de la justice sociale en sont quelques exemples. Toutefois, malgré ces similarités, certains facteurs ont été particulièrement attribués à un milieu ou à un autre. Par exemple, en maisons dédiées, les participants apprécient le contact physique qu’ils ont avec la personne aidée et le fait qu’ils collaborent de près avec l’équipe soignante. Par ailleurs, à domicile, les bénévoles notent que les proches sont souvent présents et ils estiment que cela leur permet d’entrer davantage dans l’intimité de la famille afin de mieux les écouter.
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 | 0.009 | 0.023 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.006 | 0.015 |
| Scholarly communication | 0.007 | 0.007 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.005 | 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; 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".