Diminuer les injustices épistémiques au moyen d’enseignements par et avec les patients : l’expérience pragmatiste de la faculté de médecine de Bobigny
Bibliographic record
Abstract
Quand des catégories d’acteurs sont discrédités, les inégalités épistémiques produisent des injustices testimoniales ou herméneutiques. Ces injustices se manifestent par l’absence de reconnaissance des savoirs d’autrui et par le fait que sa faculté de compréhension soit mise en doute. De plus, bien que subissant des normes exogènes dans lesquelles elles ne se retrouvent pas, les personnes subissant ces injustices éprouvent des difficultés à se faire entendre et à identifier leurs propres normes. Ces deux types d’injustice altèrent la qualité des relations de soins, en particulier sur le plan de l’éthique relationnelle en érodant la confiance entre soignés et soignants. Pour les contrer, une expérience pédagogique adossée à des logiques démocratiques et épistémiques a été proposée à des étudiants en santé. Cette dernière comporte trois piliers : des enseignements sur le partenariat entre professionnels de santé et patients, des patients comme enseignants ou mentors et des patients comme collègues. Ces trois piliers sont présentés comme inter-reliés, l’un n’allant pas sans l’autre. Sur le plan démocratique, est visé un rééquilibre des rapports de pouvoir. Ainsi, ce sont des patients qui recrutent les patients, selon des critères qui leur sont propres et ces derniers ont un statut. Sur le plan épistémique, est visé un rééquilibre des rapports de savoirs, ce qui conduit à interroger les savoirs et les normes à l’aune de leurs conséquences sur les patients, plus exactement sur « l’expérience patient ». Deux programmes pédagogiques différents et complémentaires mis en oeuvre ont permis de constituer une expérience pédagogique au sein d’une faculté de médecine (Université Sorbonne Paris Nord) située dans la ville de Bobigny, dite dès lors « expérience de Bobigny ». Il s’agit, pour l’un, de convoquer la « perspective patient » autour de la résolution de situations cliniques et pour l’autre, de convoquer la médecine narrative, afin de croiser les expériences d’étudiants et de patients autour de sujets précis.
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 | 0.008 | 0.017 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.021 | 0.034 |
| Scholarly communication | 0.010 | 0.007 |
| Open science | 0.001 | 0.013 |
| Research integrity | 0.004 | 0.016 |
| Insufficient payload (model declined to judge) | 0.008 | 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".