Bibliographic record
Abstract
Cet article examine les émotions que ressentent des personnes conscientes en train de mourir, émotions qui ne font pas partie des modèles culturels du mourir qu’elles ont intériorisés. Dans l’intention de proposer un répertoire terminologique qui soit capable d’évoquer la pluralité et la particularité de l’ensemble des expériences du mourir à travers le monde, je commence par introduire deux termes pour aborder et comparer différentes conceptions du mourir en contextes interculturels : lapré-exitalitéet lapost-exitalité. Le mourir pré-exital recèle la possibilité de faire l’expérience de son propre processus de mourir et de lui donner forme en tant que personne encore vivante. Cela inclut le fait d’être confronté à certaines émotions qui ne sont pas aussi faciles que d’autres à gérer parce qu’elles ne font pas partie des contextes implicites et explicites spécifiques aux modèles culturels du mourir. Une observation participante menée avec des personnes mourantes entre 2013 et 2016 a révélé que des malades en phase terminale peuvent dissimuler des émotions « troublantes » afin de ne pas irriter leurs proches, voire elles-mêmes ; cependant, même si elles sont voilées, ces émotions existent. Examiner la façon dont les personnes mourantes en Allemagne abordent concrètement les dimensions « troublantes » que sont les sentiments a) de la gaieté et de l’humour et b) de l’envie et de la jalousie envers les personnes non mourantes nous offrira une meilleure compréhension de la façon dont peuvent se dérouler le ressenti émotionnel et la gestion des émotions au cours du mourir.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.007 | 0.009 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.404 | 0.307 |
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".