L'expérience d'accompagnement au sein des organismes à but non lucratif des personnes aînées en situation de maltraitance
Bibliographic record
Abstract
La maltraitance envers les personnes aînées est un problème social qui touche près d’une personne aînée sur six dans le monde (Yon, Mikton, Gassoumis et Wilber, 2017). Des intervenants de diverses disciplines et des organisations agissent de façon multisectorielle dans la lutte contre la maltraitance envers les personnes aînées en posant des actions de prévention, de repérage et d’accompagnement. De ces organisations, les organismes à but non lucratif (OBNL) et les intervenants et les bénévoles qui y oeuvrent jouent un rôle clé dans l’accompagnement des personnes aînées maltraitées (Gouvernement du Québec, 2016). Cette étude s’inscrit dans le cadre d’un projet de recherche menée par la Chaire de recherche sur la maltraitance envers les personnes aînées qui porte sur l’action bénévole dans la lutte contre la maltraitance matérielle et financière envers les personnes aînées. De nature exploratoire et privilégiant une approche qualitative, cette étude a pour but de saisir l’expérience des personnes aînées accompagnées par un bénévole ou par un intervenant d’un OBNL pour une situation de maltraitance. Des entrevues individuelles semi-dirigées auprès de 11 personnes aînées ayant été accompagnées par un bénévole ou un intervenant d’un OBNL pour une situation de maltraitance ont été menées. Prenant appui sur le cadre théorique de la sociologie de l’expérience de Dubet (1994, 2007), une analyse thématique (Paillé et Mucchielli, 2012), suivie d’une analyse typologique (Schnapper, 2005, 2012) a permis de proposer un modèle théorique qui expose la manière dont s’articule l’expérience d’accompagnement dans les OBNL des personnes aînées maltraitées. Deux variables influencent leur expérience d’accompagnement, soit la manière dont elles ont intériorisé le fait de recourir à de l’aide et la façon dont elles ont vécu les interactions avec les bénévoles et les intervenants d’OBNL. Quatre types distincts d’expérience d’accompagnement se dégagent : l’accompagnement-bénéfique, l’accompagnementpositif, l’accompagnement-menaçant et l’accompagnement-discontinu.
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 | 0.005 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.015 | 0.016 |
| Scholarly communication | 0.009 | 0.005 |
| Open science | 0.002 | 0.010 |
| Research integrity | 0.002 | 0.005 |
| 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".