L'impact d'un programme de formation des bénévoles en CHSLD sur leurs connaissances, leurs préjugés et leurs attitudes envers les résidents âgés
Bibliographic record
Abstract
Dans le contexte économique, politique et social actuel, les bénévoles sont devenus, pour les institutions, de précieuses ressources. En effet, les compressions budgétaires et l'alourdissement de la clientèle des établissements de soins de longue durée (Laperrière, 1998) sont les principaux facteurs qui expliquent l'importance que prend de plus en plus le bénévolat en institution. La formation de bénévoles libres de préjugés, arborant des attitudes chaleureuses et respectueuses envers les personnes âgées et munis des connaissances et des compétences voulues, est devenue un incontournable pour les établissements du réseau de la santé. En conséquence, les institutions se préoccupent de plus en plus de mettre en place des programmes de formation des bénévoles qui permettent à ceux-ci d'aborder leur tâche avec plus de confiance et de satisfaction. Si la plupart des CHSLD se sont dotés d'un tel programme, peu d'études ont été entreprises pour évaluer leur impact sur le bénévole. La présente recherche avait pour but précisément d'évaluer l'impact d'un programme de formation des bénévoles mis en place dans un CHSLD de Montréal sur leurs connaissances, leurs préjugés et leurs attitudes envers les résidents âgés en perte d'autonomie physique et cognitive."--Résumé abrégé par UMI.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.000 | 0.001 |
| 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".