Variation des choix du vocabulaire soignant à propos d’aînés mésusant d’alcool
Bibliographic record
Abstract
Vieillesse et mésusage d’alcool concentrent des stéréotypes négatifs, pouvant générer parmi les soignants un cumul de représentations défavorables à propos de sujets âgés avec trouble d’usage d’alcool, et induire leur négligence par contre-attitudes négatives. Objectifs : Approcher les attitudes soignantes par le biais de la forme des discours recueillis à propos d’aînés mésusant d’alcool. Méthodes : Une étude par entretiens individuels a concerné 45 soignants hospitaliers (69 % de femmes), parmi 582 infirmiers et 116 médecins de huit établissements de santé (hôpitaux ou établissements d’hébergement pour personnes âgées dépendantes) avec analyse textuelle non informatisée puis analyse automatisée du contenu des discours, par le logiciel Alceste®. Résultats : Si l’humour émerge spécifiquement de l’analyse textuelle non informatisée dès que les propos concernent les consommations d’alcool, une altération du choix des mots est rapidement apparue lors de l’analyse automatisée par Alceste®, avec recours à des termes familiers ou triviaux, jamais retrouvés dans aucune autre thématique des discours. Discussion : Ces constats ouvrent vers diverses hypothèses sous-tendant ces altérations du langage soignant entre : possible recherche de proximité, jeu sur la similitude-dissemblance, spécificité associée aux particularités issues de pathologies dites auto-infligées, forme de provocation masochiste, dégoût inspiré par ces patients, avant d’enfin envisager certains aspects, positifs en osant parler du plaisir à boire de l’alcool. Conclusion : Au-delà de l’apparence des discours, la prise en compte des éléments internes à la pensée des soignants permet d’aborder le comportement de ces professionnels. Cette approche vise à promouvoir un regard psychodynamique sur les personnes âgées mésusant d’alcool au travers des attitudes soignantes.
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 | 0.004 | 0.023 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".