«Tout perdre» : causes sociales des problèmes de santé mentale à travers le récit de vie de personnes en situation dâitinérance.
Bibliographic record
Abstract
Alors que, dans les années soixante, l’étude des conditions sociales dans leurs conséquences sur la santé mentale semblait une voie d’avenir pour la recherche psychiatrique (Sicot, 2001), il semble que, dans le contexte actuel, elle soit redevenue « hors propos ». Dans ce contexte où la plupart reconnaissent l’hégémonie de l’approche biologique en psychiatrie, quelle place peut être réservée aux conditions sociales pour expliquer l’origine des problèmes de santé mentale? \n\nPlusieurs auteurs, issus de la psychiatrie et des sciences humaines, se sont attardés à cette question. De leur avis, certaines conditions sociales, comme celles vécues par les bonnes à tout faire, les assistés sociaux, les immigrants, seraient particulièrement propices au développement de problèmes de santé mentale. Il est proposé dans ce mémoire de se concentrer sur l’impact d’une condition sociale particulière, l’itinérance, sur la santé mentale des personnes qui la vivent. Au terme d’une recension des écrits, des auteurs comme Furtos (2007) ont conclu que l’itinérance, en tant que forme extrême d’exclusion sociale, est à même d’engendrer des problèmes de santé mentale. \n\nToujours avec l’objectif de répondre à la question de l’impact des conditions sociales sur la santé mentale, ce mémoire s’intéresse au point de vue des premières concernées, c’est-à-dire celui des personnes en situation d’itinérance ayant des problèmes de santé mentale. Sur le plan méthodologique, il se fonde sur 10 récits de vie de participants au projet Chez soi, projet de recherche et démonstration sur la santé mentale et l’itinérance de Montréal. Ce mémoire met en lumière les facteurs explicatifs soulignés par les participants au fil de leurs récits de vie et les compare à ceux identifiés dans la littérature se situant dans le courant sociogénétique.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.005 | 0.007 |
| Scholarly communication | 0.005 | 0.005 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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".