Professionnels de la santé blogueurs au Québec : une étude exploratoire des pratiques du blogue
Bibliographic record
Abstract
Dans le cadre de ce projet de mémoire, nous nous intéressons particulièrement à la pratique du blogue de soignants québécois, une pratique professionnelle qui est très peu documentée dans la littérature, et notamment au Québec. Nous visions ainsi à mieux comprendre l'expérience des soignants québécois blogueur, à cerner les différents profils de ces soignants, leurs motivations à bloguer, les usages et significations d'usages associés à cette pratique et soulever les défis opérationnels, les enjeux éthiques et déontologiques qu'elle pose. Nous avons adopté une méthode de recherche qualitative et avons opté pour des entrevues semi-dirigées. Notre échantillon est constitué de dix soignants québécois de diverses professions en santé, lesquels sont blogueurs depuis au moins deux ans. Nos résultats montrent que la pratique du blogue chez les soignants s'inscrit à l'intérieur d'un ensemble de pratiques communicationnelles. Les motivations à s'engager dans cette voie varient selon les soignants. Le contenu des blogues est également très varié, témoignant de leurs intérêts distincts et de leurs différents publics cibles. Nous avons identifié plusieurs usages du blogue : diffuser de l'information relative à la santé, échanger avec son lectorat, promouvoir sa pratique professionnelle et s'engager dans une démarche créative. Nous avons par ailleurs repéré différentes significations d'usages du blogue en santé : bloguer pour diffuser le savoir médical et favoriser le bien-être de la population, bloguer pour acquérir une plus grande notoriété professionnelle, bloguer pour changer la perception de la profession, bloguer pour s'exprimer librement et prendre position, bloguer pour se rapprocher de son public, bloguer pour réfléchir à sa pratique professionnelle, bloguer pour inspirer d'autres professionnels de la santé. La pratique du blogue chez les soignants québécois est riche de sens. Les résultats obtenus contribuent à documenter ces nouvelles formes d'usages des blogues et plus largement des médias sociaux par différents professionnels de la santé. \n______________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : santé, soignants, blogueurs, e-santé.
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 | 0.006 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.014 | 0.005 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.003 |
| 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".