Les acteurs, notamment bénévoles, dans l’émergence, le développement et la mise en œuvre des politiques publiques de lutte contre la maltraitance envers les personnes âgées en France. Une analyse critique des politiques et pratiques à partir d’un regard croisé avec le Québec
Bibliographic record
Abstract
Adoptant une approche constructiviste, cette recherche qualitative et à visée exploratoire, a pour but de comprendre l’apport de différents acteurs, notamment, bénévoles dans l’émergence, le développement et la mise en œuvre des politiques publiques de lutte contre la maltraitance des personnes âgées (PPLMPA) en France, à la lumière du Québec. S’appuyant sur une analyse documentaire de 317 documents et de 38 entretiens semi-dirigés, les résultats montrent que les bénévoles ALMA n’ont pas d‘influence sur la PPLMPA et que les luttes de pouvoir entre acteurs nuisent à son évolution. Cependant, un acteur non associatif la commission nationale de bientraitance et de lutte contre les maltraitances est apparu influant la PPLMPA. A été pointé le manque de recherche sur le sujet (Données probantes, outils pour les professionnels, évolution des pratiques,…). Le regard croisé France-Québec a révélé la différence de volonté politique et les moyens octroyés. Il a aussi montré l’existence de transfert cognitif France-Québec. Des facettes supplémentaires de l’objet de recherche sont apparues, nécessitant de nouvelles recherches.
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 | 0.010 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.012 | 0.013 |
| Scholarly communication | 0.010 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 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".