MétaCan
Menu
Back to cohort
Record W4416121268 · doi:10.17483/z1vxbp75

Entrevue avec Patrick Lavoie, titulaire de la Chaire de recherche du Canada sur l’apprentissage de la prise de décision infirmière

2025· article· W4416121268 on OpenAlexaffvenueabout
Jacinthe Pépin, Susan Duncan

Bibliographic record

VenueQuality Advancement in Nursing Education - Avancées en formation infirmière · 2025
Typearticle
Language
FieldHealth Professions
TopicHealth, Medicine and Society
Canadian institutionsUniversity of VictoriaUniversité de Montréal
Fundersnot available
KeywordsContext (archaeology)LimitingField (mathematics)

Abstract

fetched live from OpenAlex

Professeur Patrick Lavoie, nous aimerions d'abord vous féliciter pour l'obtention d'une Chaire de recherche du Canada (CRC) du CRSH et vous remercier de nous accorder cette entrevue.Votre programme de recherche porte sur un aspect de la formation infirmière et nous souhaitons en apprendre davantage.Pouvez-vous décrire l'objet de votre programme de recherche et donner quelques exemples d'études que vous mènerez dans le cadre de la chaire ?Vous pouvez aussi nous parler brièvement des étapes pour obtenir une telle subvention.Patrick Lavoie : Je vous remercie beaucoup pour l'invitation.C'est une très belle tribune que vous m'offrez.J'en suis très honoré et heureux.Le phénomène qui m'anime et qui a guidé le développement de mon programme de recherche, c'est le nombre important de décisions que prennent les infirmiers et les infirmières.Des études disent qu'une décision est prise toutes les 30 secondes.Ma pratique clinique s'est déroulée en soins critiques.Ce sont des milieux où il y a beaucoup de décisions prises dans l'urgence, l'incertitude et le stress.La pression du temps est réelle, mais je sais que ce n'est pas exclusif à ces milieux.Au départ, c'est le phénomène du jugement clinique qui m'intéressait.Au fil du temps, j'ai réalisé qu'on forme souvent les infirmières et les infirmiers à donner les « bonnes » réponses cliniques, mais pas nécessairement à tenir compte du fait que les décisions se prennent dans un contexte.Une décision est toujours située, influencée par les interactions, les environnements.Rien n'est purement rationnel ou cliniquement optimal.D'autres facteurs entrent en ligne de compte.Il faut en tenir compte à la fois lorsqu'on enseigne et lorsqu'on examine comment les décisions sont prises.Je me suis donc intéressé au jugement clinique, c'est-à-dire à la manière dont on se forme une impression de ce qui se passe dans une situation : quels sont les besoins du patient ?Quels

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 imitation

Not 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.

metaresearch head score (Codex)0.015
metaresearch head score (Gemma)0.042
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: Not applicable
GenreCandidate signal: Other · Consensus signal: none
Teacher disagreement score0.364
Threshold uncertainty score0.723

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0150.042
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0020.002
Science and technology studies0.0150.010
Scholarly communication0.0150.007
Open science0.0030.005
Research integrity0.0100.018
Insufficient payload (model declined to judge)0.0150.004

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.

Opus teacher head0.067
GPT teacher head0.476
Teacher spread0.409 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designNot applicable
Domainnot available
GenreOther

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".

Quick stats

Citations0
Published2025
Admission routes3
Has abstractyes

Explore more

Same venueQuality Advancement in Nursing Education - Avancées en formation infirmièreSame topicHealth, Medicine and SocietyFrench-language works237,207