Soigner, aimer de Ouanessa Younsi : une tentative de redéfinir la relation de soin
Bibliographic record
Abstract
Au sein des institutions médicales occidentales, la relation de soin est aujourd’hui caractérisée par l’asymétrie, car les soigné·e·s dépendent des soignant·e·s. Le rétablissement, voire la survie des premier·ère·s – dont les connaissances médicales et l’autonomie sont limitées – repose sur la compétence des deuxièmes1. Pour Agata Zielinski, cette disparité entre les deux membres de la relation est manifeste au premier coup d’œil : « L’un est en général debout, l’autre allongé ou assis ; l’un vêtu d’une blouse blanche au titre de sa fonction, l’autre en pyjama ou dénudé, signe de sa vulnérabilité2 ». Bien entendu, l’inégalité de pouvoir, dont Zielinski donne une illustration éloquente, n’engendre pas forcément un rapport de domination3, sans compter qu’il existe désormais des mécanismes pour limiter les risques de dérives, comme l’obligation d’informer et d’obtenir le consentement éclairé du patient4. Si les dernières décennies ont été le théâtre d’une remise en question du paternalisme médical, il reste encore beaucoup de travail à faire pour parvenir à un changement de paradigme, surtout en ce qui concerne les rapports entre le personnel médical et les populations marginalisées5. Comment éviter que la relation de soin ne donne lieu à des abus de pouvoir ? La littérature peut-elle contribuer à l’établissement d’un rapport plus équilibré et si oui, comment ? En France et au Québec, plusieurs écrivain·e·s, dont certain·e·s sont issu·e·s de la profession médicale6, tentent d’
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 | 0.007 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.009 | 0.019 |
| Scholarly communication | 0.006 | 0.009 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.004 | 0.007 |
| Insufficient payload (model declined to judge) | 0.009 | 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".