Bibliographic record
Abstract
Resume En 1983 parait une etude americaine montrant que si les problemes de roulement eleve du personnel infirmier etaient deja repandus, certains hopitaux s’en tiraient nettement mieux. Ils recrutaient et gardaient assez facilement, de la leur nom d’hopitaux magnetiques.Pourquoi eux ? Encore aujourd’hui, la litterature evaluative est d’une grande coherence quant aux variables critiques a la base de leur succes. Celles constituant des incitatifs non-economiques (comme la valorisation et le soutien) sont d’aussi puissants, sinon de plus puissants, « predicteurs » de comportements que les variables jouant sur le revenu. Ces hopitaux paient bien, mais rien de hors-normes. Ce qui est exceptionnel, c’est le milieu de travail et la satisfaction a y evoluer.Des l’etude initiale, les auteurs notent la convergence entre les reponses des infirmieres et celles de la direction, sur les elements qui font que des hopitaux sont magnetiques. La lecture de la realite est similaire. Des lors, a priori, on fait assez confiance et ne cherche pas un eventuel agenda cache. C’est une gestion par les « gestes et l’exemple ».Les traits de « bon employeur » des hopitaux magnetiques permettent de soutenir que la realite decrite s’applique a l’ensemble du personnel. Le personnel infirmier devient un cas traceur revelateur de l’ensemble. Ces portraits canadien, europeen ou encore de sous-systemes americains (comme l’exemple de Kaiser Permanente) montrent que des elements systemiques jouent. Le tout n’est pas qu’affaire de gestion d’etablissements isoles. Le dossier hopitaux magnetiques ne doit pas servir a dedouaner les administrations centrales. La tentation sera toutefois forte.Prat Organ Soins 2009;40(1):39-48
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 | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.015 | 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".