Bibliographic record
Abstract
En Haïti, ce sont les professionnels de santé modernes (psychiatres, infirmières, sages-femmes, etc.) et les psychiatres traditionnels (houngans, mambos) qui soignent les personnes souffrant d’un trouble mental. Ces différentes catégories d’acteurs n’utilisent pas les mêmes techniques de diagnostic pour nommer et soigner un trouble mental, car elles ne le perçoivent pas de la même manière. Les malades et leurs proches ont à choisir entre plusieurs itinéraires thérapeutiques. Néanmoins, ils consultent plus facilement les houngans et les mambos avec lesquels ils partagent les mêmes systèmes de représentations de la maladie et de la santé. Ce n’est qu’après l’échec d’une thérapie complexe que certains psychiatres traditionnels demandent aux parents d’une personne atteinte d’une maladie mentale de l’emmener chez un médecin. Contrairement à eux, les psychiatres hospitaliers préfèrent garder leurs malades « pendant vingt ans » au lieu de demander à leurs proches de les emmener chez un houngan ou chez une mambo. Leur intolérance ontologique et épistémique les empêche de collaborer avec ces derniers. Dans cet article, nous allons examiner les modèles étiologiques et thérapeutiques utilisés par les différents soignants pour comprendre la folie avant de réfléchir sur les avantages qu’une alliance épistémologique pourrait apporter à ces derniers et à leurs malades.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.028 | 0.006 |
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".