Proposer un accompagnement médico-social par la géographie : identifier, analyser et stimuler les relations entre individu et environnement
Bibliographic record
Abstract
Cet article vise à présenter un dispositif méthodologique déployé en France dans le cadre d’un travail de thèse en géographie réalisé en immersion dans une association qui accompagne des personnes ayant subi des lésions cérébrales (LADAPT Puy-de-Dôme à Clermont-Ferrand). Pouvant être physiques, sensorielles, psycho-comportementales ou cognitives, les conséquences d’une lésion cérébrale sont multiples et différentes en fonction des individus. Affectant la capacité des personnes à construire des images mentales de l’espace, elles se traduisent souvent par des sentiments de stress et d’anxiété qu’elles éprouvent dans des environnements qu’elles maitrisent mal. Construit à partir d’une approche environnementale et situationnelle du handicap, le dispositif méthodologique déployé dans le cadre de cette thèse s’articule autour de deux outils principaux : les entretiens et les ateliers cartographiques. Alors que les entretiens cartographiques ont permis de comprendre le rapport que les personnes accompagnées entretiennent avec leurs espaces quotidiens, les ateliers cartographiques ont été construits dans le but de stimuler leur perception de l’environnement. Ces derniers, mis en place à la suite de l’emménagement de l’association dans de nouveaux locaux situés dans un autre quartier de Clermont-Ferrand ont pris la forme de plusieurs activités. En partant de l’hypothèse que le nouveau quartier d’implantation de l’association ferait l’objet, chez les personnes accompagnées d’une image mentale mal définie et serait générateur de mal-être, le but de cette démarche était de leur proposer des exercices cartographiques et spatiaux afin de renforcer leur maîtrise spatiale du secteur.
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 | 0.006 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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".