Rencontrer la mer : l’expérience vécue d’une expédition en voilier sur le Saint-Laurent en contexte d’intervention sociale
Bibliographic record
Abstract
Bien qu’un nombre grandissant d’études soulignent les bienfaits de l’interaction avec la nature (Institut de cardiologie de Montréal, 2021), rares sont celles qui se penchent spécifiquement sur le rôle des environnements marins dans le cadre des pratiques centrées sur la nature et l’aventure. Or, ces espaces qu’il convient d’appeler les « environnements bleus » possèdent des caractéristiques qui leur sont propres et sont reconnus notamment pour leurs effets bénéfiques sur la santé physiologique et psychologique (White et al., 2020). Il existe à travers le monde différents programmes qui, par l’entremise d’un séjour en mer à bord d’un voilier, ont pour but de soutenir des personnes et des groupes vivant diverses difficultés (Schijf et al., 2017). Les pratiques d’intervention misant sur la navigation à voile offrent ainsi une singulière occasion d’immersion dans un environnement marin. Cet article présente des résultats de recherche et une réflexion quant à ce phénomène à ce jour peu étudié sous l’angle du travail social. L’article s’appuie sur les résultats préliminaires d’un mémoire de maitrise en travail social en cours de réalisation à l’Université du Québec à Rimouski qui vise, par une approche phénoménologique, à mieux comprendre l’expérience vécue par les personnes intervenantes et participantes lors d’une expédition en voilier sur le Saint-Laurent en contexte d’intervention 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 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 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.008 | 0.009 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.006 | 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".