Réagir au dévoilement de soi dans un forum de discussions pour les personnes vivant avec un cancer : une approche interactionnelle
Bibliographic record
Abstract
Le dévoilement de soi occupe une part significative des interventions initiales des fils de discussions sur les plateformes numériques de soutien social. Si ce type d’intervention répond au besoin des participants de s’exprimer, de partager leurs émotions, il pose des défis aux interlocuteurs en raison de l’absence de demande explicite de soutien. L’analyse des interactions d’un forum de soutien social en ligne pour personnes atteintes d’un cancer et leurs proches (2017-2018) vise à comprendre comment ce partage d’émotions et d’expériences est interprété et répondu par les pairs, évaluant le cadre interactionnel activé dans de tels contextes. Les résultats montrent que si des actes de prescriptions de comportements et d’attitudes non sollicitées sont présents dans la grande majorité des fils, ils s’articulent finement à des actes d’empathie, qui permettent d’atténuer la force intrusive du soutien. L’analyse révèle aussi comment la formulation du dévoilement de soi influence le soutien offert (empathique/prescriptif). Au final, la présentation des formes d’accomplissement du soutien en réaction au dévoilement de soi permet d’envisager des pistes d’action pour favoriser l’engagement et le bien-être psychosocial des membres de ces forums.
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 | 0.051 | 0.086 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.006 | 0.005 |
| Scholarly communication | 0.008 | 0.009 |
| Open science | 0.003 | 0.009 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.022 | 0.004 |
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".