Analyse, modélisation et implémentation de stratégies d’assistance : déploiement d’orthèses cognitives pour les activités instrumentales de la vie quotidienne des traumatisés crâniens
Bibliographic record
Abstract
De nos jours, les traumatismes cranio-cérébraux (TCC) sévères sont considérés comme un problème de santé publique au plan mondial. En effet, un TCC sévère engendre des répercussions importantes dans la vie des personnes l’ayant subi. Ces répercussions sont liées aux dysfonctionnements cognitifs, émotionnels et comportementaux. Ces troubles occasionnent une baisse, souvent très importante, de leur indépendance dans la réalisation des Activités Instrumentales de la Vie Quotidienne (AIVQ), telles que préparer un repas, gérer ses finances, utiliser son téléphone, conduire une automobile, faire des achats, etc. Très souvent, les personnes ayant subi un TCC sévère doivent retourner vivre au sein de leur domicile malgré les grandes difficultés liées à leur état. Les TCC sévères ressentiront très souvent le besoin d’assistance pour la réalisation des AIVQ. Cette thèse s’inscrit dans le cadre d’un grand projet de recherche financé par les Instituts de recherche en santé du Canada et le Conseil de Recherches en Sciences Naturelles \net en Génie du Canada (CRSNG). En particulier, le Projet de Recherche Concertée sur \nla Santé (PRCS). L’objectif de cette thèse, au sein de ce projet, consiste à concevoir, \nreprésenter, formaliser et implémenter une structure d’assistance cognitive contextuelle et \nadaptative selon le profil des personnes atteintes de TCC sévère pour la réalisation des \nAIVQ. Cette assistance favorisera leur indépendance dans la réalisation des AIVQ au sein \nde leur domicile. La conception de cette assistance cognitive numérique implique un travail interdisciplinaire entre l’ergothérapie et l’informatique, afin de passer de la pratique \nd’assistance fournie par des cliniciens à la formulation formelle et à l’implémentation. \nCette conception s’appuie sur une démarche de conception participative qui sollicite principalement les résidents d’un milieu d’hébergement alternatif domotisé.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 teacher head, 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".