Le Processus d’identification du défi adaptatif (PIDA) dans l’évaluation psychoéducative
Bibliographic record
Abstract
Cet article a pour but de présenter le processus d’identification du défi adaptatif (PIDA), une procédure d’observation essentielle en évaluation psychoéducative. Il s’agit de circonscrire le défi adaptatif d’une personne dans un contexte précis : à quoi doit-elle faire face, que doit-elle apprendre pour répondre à ses besoins compte tenu des conditions ambiantes. C’est précisément sur cette démarche que reposera le plan d’intervention. Elle se déroule en six étapes : 1- choisir une centration d’observation; 2- décrire la séquence comportementale; 3- demeurer conscient de ses propres émotions ou jugements personnels suscités par les comportements du sujet observé; 4- formuler des hypothèses sur le comportement de celui-ci en lien avec ses propres besoins; 5- analyser la séquence comportementale afin de soutenir l’hypothèse la plus plausible en tenant compte du contexte immédiat, des interprétations du sujet lui-même et des éléments connus du contexte global incluant son histoire de vie; 6- formuler le défi adaptatif. Lorsque le sujet ciblé est un psychoéducateur, le PIDA précise ce qui doit être amélioré pour parfaire l’intervention en fonction des stratégies mises en place.
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 | 0.031 | 0.060 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.004 | 0.007 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.004 | 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".