L'intervention en contexte de réduction des méfaits et consommation de drogue : ethnographie des négociations morales des intervenantes d'un organisme communautaire
Bibliographic record
Abstract
Ce mémoire de maîtrise est l’aboutissement d’une recherche effectuée au sein d’un organisme communautaire d’intervention en toxicomanie. Ce dernier est inspiré de l’approche de réduction des méfaits et s’inscrit dans un contexte urbain canadien. Nous nous penchons particulièrement sur les effets de l’institutionnalisation de cette approche en santé publique. La collecte de données a totalisé un peu plus de 200 heures d’observation et 19 entretiens semi-dirigés. La recherche a pour but d’éclairer la mise en action des orientations axiologiques par l’équipe d’intervention, et principalement par les intervenantes. Cet ensemble d’orientations et de priorités d’action, inspiré de la réduction des méfaits et du champ de service social, est observé en tant que système local de normes et de valeurs. L’adhésion à ce système de valeurs au quotidien soulève plusieurs enjeux, à différents niveaux : éthiques, relationnels, personnels, professionnels et sociétaux. Cette adhésion s’opère généralement à travers la cohésion d’équipe et les mécanismes professionnels. En tant que sujets éthiques, les membres de l’équipe d’intervention en viennent donc à négocier leur position et le sens accordé à leur pratique, à travers un ensemble de balises propre à cette communauté morale. L’éthique est en effet considérée ici comme le lieu de critique sociale, politique et économique. Toutefois, à travers l’observation de l’éthos d’intervention dans ce contexte, ce sont les possibilités d’action et de réflexion éthique qui sont en jeu. Ce mémoire se penche donc sur la dialectique des différentes forces normatives en interaction, dans les micro interactions avec les usagers, et celles avec les mécanismes des institutions, incluant la santé publique. Ces forces entrainent à la fois des limites et certaines possibilités d’action pour les intervenantes, qui agissent en tant que sujets éthiques et moraux. Ces possibilités sont autant d’indices concernant les limites de la prise en charge inspirée de l’institutionnalisation de la réduction des méfaits.
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 | 0.011 | 0.014 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.014 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.004 | 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".