Clubhouse connecté pour la population ayant des incapacités psychiques :pratiques numériques collaboratives, emplois de transition et communs de laconnaissance
Bibliographic record
Abstract
Les troubles de la santé mentale touchent l’humain, un « Homme-trace » (Galinon-Mélénec, 2011), à la fois producteur et construit de traces, quel que soit son genre, son âge ou son niveau social. Le numérique, compris comme culture (Doueihi, 2013), modifie la construction de la sociabilité et l’espace que nous habitons. Il change le rapport aux mobilités dans la ville. Avec son avènement, on « trace sa route » (Vidal, 2015) en produisant des traces et des données qui changent instantanément un urbanisme en mouvement et en expansion continus. Appréhendant le handicap comme une variation du développement humain (Fougeyrollas, 2010), nous interrogeons la place du numérique dans la réalisation d’une pleine participation sociale de la population ayant des incapacités psychiques. Inspirée de l’interactionnisme et des travaux de l’École Française sur la Trace, notre recherche ethnométhodologique interroge les représentations sociales, la communication et les usages du numérique d’un groupe de personnes ayant des incapacités psychiques dans un habitat spécialisé au Havre au nord-ouest de la France. De plus, nous interviewons des organismes accompagnant le groupe à la vie sociale et à l’inclusion. Notre observation montre un faible usage du numérique, quoique ce dernier joue un rôle principal dans la construction du lien social de ces personnes et préserve leur contact avec la ville. Les accompagnateurs se méfient du numérique dans leur relation avec le groupe et le considèrent comme une « boîte noire ». Nous proposons un clubhouse connecté qui met en place une éducation au numérique et des projets mémoriaux collaboratifs en partenariat avec des acteurs publics et privés pour une participation sociale en réseaux au sein des nouveaux environnements de la ville étendue numériquement.
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 | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.016 | 0.007 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 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".