Appliquer un procédé argumentaire pour revendiquer une attribution des services en ergothérapie basée sur l’habilitation aux occupations
Bibliographic record
Abstract
Problématique : L’attribution actuelle des services en ergothérapie en CLSC permet difficilement aux ergothérapeutes d’intervenir selon leur expertise première d’habilitation aux occupations. Pour revendiquer cette situation, les professionnels sont appelés à agir comme agent de changement et idéalement avoir recours à un procédé argumentaire. Objectif : Appliquer un procédé argumentaire à une situation professionnelle problématique en ergothérapie, soit revendiquer une attribution des services en ergothérapie en CLSC basée sur l’habilitation aux occupations. Méthode : Le procédé argumentaire est basé sur le cadre argumentaire Convictions-Réel-Actions-Fondements (CRAF) nécessitant une recherche d’arguments provenant d’une recension critique des écrits. Résultats : Les études recensées font valoir des arguments basés sur les valeurs et les fondements théoriques de la profession. Les arguments issus des résultats probants proviennent d’études dont le niveau d’évidence scientifique est élevé. Ils montrent que des interventions basées sur l’habilitation aux occupations ont des retombées sur la participation et le fonctionnement dans les occupations, le bien-être et la santé physique et mentale, la perception d’efficacité personnelle, la satisfaction de vie, les interactions sociales, l’apprentissage de connaissances et l’espérance de vie. Discussion : L’habilitation aux occupations dans une approche de prévention et de promotion de la santé est efficace et rentable, et ce, pour une clientèle plus vaste que celle actuellement desservie. Les ergothérapeutes, désireux d’être agent de changement dans leur milieu, pourraient reproduire le procédé argumentaire pour l’appliquer à une situation clinique problématique.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.004 |
| Insufficient payload (model declined to judge) | 0.002 | 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 teacher head, 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".