Bibliographic record
Abstract
Cette présentation portera sur la résilience telle qu’elle peut être expérimentée par une organisation. Aujourd’hui, on se préoccupe de plus en plus de résilience dans les milieux de traitement, et un consensus semble se dégager chez les cliniciens et chercheurs : la résilience serait à la fois un processus et un résultat. Un processus, en référence aux mécanismes d’adaptation pendant une situation d’adversité soutenue; un résultat positif, en référence à l’état de croissance (amélioration par rapport à la situation « d’avant » l’adversité) atteint au terme de l’épisode d’adversité. Ce résultat dépendrait de l’interaction entre des facteurs personnels et environnementaux (traits psychologiques, ressources familiales, environnement physique et social, politiques, etc.). On parle aussi de plus en plus d’écologie de la résilience, et de moyens de la soutenir et de la développer chez des individus, des familles et même dans des communautés. L’environnement de soins, le contexte, peut dans son ensemble expérimenter l’adversité et être amené à faire preuve de résilience. C’est ce qu’on appelle la résilience organisationnelle, celle qui permet à une organisation de Maintenir le cap pendant la tempête. Cet article sera l’occasion d’illustrer ce concept de résilience organisationnelle (un phénomène issu de la quête de sens dans une organisation, une communauté). Le Centre de réadaptation Estrie offre un bel exemple de résilience organisationnelle par son histoire « humaniste ». C’est au fil de cette petite histoire du CRE que les caractéristiques de la résilience organisationnelle seront démontrées.
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 | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.007 | 0.006 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.038 | 0.011 |
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".