Préposés aux bénéficiaires et aides-soignantes
Bibliographic record
Abstract
Les préposés aux bénéficiaires au Québec, tout comme les aides-soignantes en France et en Belgique, réalisent de 80 % à 90 % des actes de soin envers les patients, et ce, tant dans les centres hospitaliers et les institutions gériatriques qu’à domicile. Or, dans la suprématie du monde du soin représenté par les infirmières et les médecins (le cure ), leur métier, dévolu largement au travail relationnel (le care ), reste souvent dans l’ombre. De même, dans la littérature scientifique, leur travail ne fait l’objet que d’un nombre restreint d’études. Afin de mettre en lumière les éléments fondamentaux du métier de préposé aux bénéficiaires et d’aide-soignante, cet ouvrage réunit différentes études autour de quatre thèmes centraux : 1) le rapport aux patients et aux résidents, 2) l’approche Milieu de vie et la qualité des pratiques, 3) la santé au travail et 4) la professionnalisation des aides-soignantes et des préposés aux bénéficiaires. Pour toutes ces thématiques, explorées tant en contexte québécois que belge et français, l’enjeu soulevé demeure le même : une responsabilisation accrue est imposée aux préposés aux bénéficiaires et aux aides-soignantes, sans tenir compte des conditions permettant de développer leurs compétences et de reconnaître leur pratique. Tous les chapitres font explicitement référence à cette tension, dans l’espoir que des solutions soient trouvées pour la réduire progressivement.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 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".