MétaCan
Menu
Back to cohort
Record W4362513831 · doi:10.56746/exercer.2023.192.147

EMOTIONS

2023· article· fr· W4362513831 on OpenAlexaboutno aff
J-P LEBEAU

Bibliographic record

VenueEXERCER · 2023
Typearticle
Languagefr
FieldArts and Humanities
TopicLinguistics and Discourse Analysis
Canadian institutionsnot available
Fundersnot available
KeywordsHumanitiesPhysicsPhilosophy

Abstract

fetched live from OpenAlex

Les émotions ne sont pas de simples conséquences du traitement que nos personnalités proposent des informations sensorielles qui arrivent à nos cortex. Elles ne se contentent pas de moduler, avec plus ou moins de subtilité, les réactions que nous attribuons à notre « caractère ». Elles nous définissent. À tel point que nous en arrivons à classer les personnes que nous rencontrons non pas en fonction de leurs caractéristiques propres, mais en fonction des émotions que nous-mêmes ressentons face à elles. Et cette façon de considérer l’autre n’est pas réservée à la sphère privée – comment pourrait-elle l’être ? – elle intervient de façon parfois cruciale dans la relation médecin-patient. Qu’est-ce donc qu’un « patient difficile », sinon un patient qui génère en nous des émotions que nous ne souhaiterions pas avoir à gérer dans le cadre de notre exercice ? Il est d’autant plus surprenant qu’alors que nous recherchons sans cesse, dans les arts, les divertissements et les multiples modalités des relations interhumaines, à créer et à ressentir des émotions, qu’elles aient pu faire l’objet, dans la formation médicale « classique », d’une censure quasi absolue posée comme un principe : il faut se blinder ! Nous savons tous maintenant à quel point cette subtilité toute militaire, qui ambitionnait de transformer l’étudiant en soins et sa vocation en char d’assaut, trouve ses limites face à des patients difficilement assimilables à des ennemis à exterminer… La complexité des ressentis de la relation thérapeutique ne peut à l’évidence se contenter de réponses simples et toutes faites, d’autant que ces réponses voudraient nous protéger de ce qui viendrait de l’extérieur (le « blindage »…) alors qu’il nous faut apprendre à reconnaître et à vivre avec ce qui vient de nous-mêmes, ce qui est nous-mêmes. Les chercheurs québécois, spécialistes de la communication professionnelle en santé, nous montrent que c’est par la maîtrise du langage que nos émotions peuvent devenir des outils1. Bouchet et al., de leur côté, nous suggèrent qu’il reste beaucoup à inventer et à faire dans ce domaine dans la formation initiale à la médecine générale2. Faire face à ces questionnements complexes oblige à une exploration minutieuse des éléments de la complexité relationnelle, oblige à la maîtrise de méthodes pertinentes pour des recherches conduites dans le cadre spécifique des soins premiers. Ce n’est par hasard, par facilité ou par opportunisme que la médecine générale a fait siennes les méthodes de recherche des sciences humaines et sociales. La médecine générale est une science humaine et sociale.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.006
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: Not applicable
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.210
Threshold uncertainty score0.000

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.006
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.001
Science and technology studies0.0020.002
Scholarly communication0.0080.004
Open science0.0010.004
Research integrity0.0030.003
Insufficient payload (model declined to judge)0.2100.100

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.

Opus teacher head0.056
GPT teacher head0.302
Teacher spread0.246 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designNot applicable
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2023
Admission routes1
Has abstractyes

Explore more

Same venueEXERCERSame topicLinguistics and Discourse AnalysisFrench-language works237,207