Créer des milieux inclusifs pour les stagiaires en situation de handicap en sciences infirmières : miser sur le climat de confiance
Bibliographic record
Abstract
Le nombre croissant d’étudiantes 1 universitaires en situation de handicap en sciences infirmières est un phénomène récent et complexe auquel s’ajoutent de nombreux défis lorsque celles-ci se retrouvent en stage. Une étude multicas a été menée auprès de deux étudiantes et de deux superviseures cliniques pour rendre visible l’expérience de stage d’étudiantes en situation de handicap (SH). Les résultats montrent que le moment du dévoilement, l’authenticité dans l’expression de l’identité, la compréhension mutuelle et le soutien en vue d’une prestation de soins sécuritaires interviennent dans la création et le maintien du climat de confiance lors des stages. Les résultats sont présentés et discutés en prenant appui sur le modèle d’accompagnement de Curran et le modèle de développement humain – processus de production du handicap (MDH-PPH) en vue de proposer des modalités de stage favorisant l’équité pour les étudiantes en SH. Il en résulte que le modèle d’accompagnement de Curran pourrait s’appliquer à d’autres étudiants présentant un trouble d’apprentissage ou un déficit d’attention avec ou sans hyperactivité, et probablement aussi à ceux ayant un trouble de santé mentale.
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 | 0.005 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.011 | 0.011 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.011 | 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".