Bibliographic record
Abstract
Description. Bien que l’ergothérapie soit issue du mouvement Arts and Crafts et du traitement du moral des anciens combattants, la profession a évolué vers l’adoption de la maîtrise préalable à l’entrée en exercice de la pratique et elle fait appel à l’établissement de relations complexes avec les clients tout au long de la vie. À travers l’histoire, chacune des révolutions industrielles a eu un impact systématique, soit une perte massive d’emplois en raison de l’automatisation des processus. Cette conséquence est encore plus profonde aujourd’hui avec la croissance exponentielle des innovations et de l’automatisation. But. Les objectifs de cet article sont (a) de faire une mise en contexte en examinant l’évolution ou les cinq ères de l’ergothérapie au Canada, (b) de définir ce que l’on entend par « quatrième révolution industrielle », et (c) d’examiner les innovations technologiques qui auront une influence sur les ergothérapeutes et leurs clients alors que nous entrons dans la « sixième » ère de l’ergothérapie au Canada. Questions clés. Bien que le risque d’automatisation de la profession d’ergothérapeute soit faible, un grand nombre de nos clients seront incapables d’acquérir assez rapidement les nouvelles compétences qui seront requises pour répondre aux exigences du marché de l’emploi. La téléréadaptation, l’Internet des objets, la réalité virtuelle, l’impression 3D, la robotique, l’intelligence artificielle et les véhicules autonomes sont en train de transformer la façon dont les ergothérapeutes offrent des services aux clients. Conséquences. Il serait judicieux pour les ergothérapeutes de s’allier à des disciplines différentes de celles avec lesquelles ils collaborent habituellement, car leur expertise sera sollicitée pour défendre leurs propres intérêts et ceux de leurs clients, qui sont les utilisateurs finaux de ces technologies.
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 | 0.003 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.007 | 0.013 |
| Scholarly communication | 0.008 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.021 | 0.003 |
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".