Habiliter l’ergothérapeute-chercheur à résoudre les enjeux éthiques de la recherche
Bibliographic record
Abstract
La recherche est une occupation propice à l’émergence d’enjeux éthiques, en outre parce qu’elle est liée à des conflits d’intérêts parfois difficiles à gérer et se réalise dans un contexte hautement compétitif qui valorise la performance. Alors que les enjeux éthiques de la pratique clinique de l’ergothérapie commencent à être documentés, les enjeux éthiques vécus par les chercheurs en ergothérapie et les moyens qu’ils utilisent pour gérer ces enjeux ne sont quasiment pas documentés. Cet article présente les résultats d’une étude qualitative qui a documenté les moyens (macro, méso et micro) qui sont proposés par des ergothérapeutes-chercheurs pour résoudre les enjeux éthiques de la recherche. Onze ergothérapeutes (n=11) ont participé à la recherche et partagent les moyens qu’ils utilisent ou envisagent pour gérer les enjeux éthiques de la recherche qu’ils vivent comme chercheur. Les moyens proposés par les ergothérapeutes rejoignent plusieurs moyens suggérés dans les écrits, quoique certains moyens proposés dans les écrits relatifs à la relation à établir avec les participants de recherche soient peu abordés par les participants, ce qui est surprenant compte tenu des valeurs humanistes au fondement de la profession d’ergothérapeute. Au final, cet article qui présente une synthèse à la fois des moyens répertoriés dans des écrits pour résoudre les enjeux éthiques de la recherche et ceux discutés par les participants vise à habiliter l’ergothérapeute-chercheur à résoudre les enjeux que pose la recherche académique tout en restant fidèle aux valeurs de la profession.
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 | 0.072 | 0.066 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.008 | 0.019 |
| Scholarly communication | 0.013 | 0.008 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.008 | 0.002 |
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".