Intervenir en milieu de vie et de soins pour personnes aînées à but non lucratif en temps de COVID-19 : du sens à la pratique de la bientraitance en action
Bibliographic record
Abstract
Le but de ce mémoire est de documenter et d’analyser, sous un angle positif, les facteurs ayant favorisé à créer, maintenir ou renforcer un climat bientraitant envers les personnes aînées habitant en résidence collective privée sans but lucratif. Les objectifs visent à explorer les éléments organisationnels, collectifs et individuels qui permettent d’attribuer un sens aux comportements des différents acteurs (gestionnaires, employés, bénévoles) engagés dans ces milieux en contexte de pandémie et l’irradiation de ce sens sur leur engagement. Pour atteindre ces objectifs, une étude qualitative et exploratoire a été menée en partenariat avec deux résidences collectives pour personnes aînées OBNL (la Brunante à Racine et GraceVillage à Lennoxville). Quatre groupes de participants ont été interviewés dans les deux résidences, à savoir, les personnes aînées résidantes, les personnes proches aidantes, les employés/bénévoles et les gestionnaires. Les entretiens ont été menés de manière phénoménologique, en profondeur et semi-dirigé, avec des guides d’entretien thématiques. Des entrevues de groupe ont eu lieu pour les gestionnaires, et des entretiens individuels pour les trois autres groupes de participants. L’analyse des données, effectuées à l’aide de la méthode d’analyse par questionnement analytique de Paillé et Mucchelli (2016), a révélé que des pratiques bientraitantes solidement enracinées dans les milieux et perpétuées par des leaders ont permis le maintien de ces pratiques pendant la crise COVID-19. Également, l’intégration des pratiques collectives a été d’une grande aide pendant la pandémie. En conclusion, cette étude souligne l’importance de l’intégration plus approfondie des pratiques bientraitantes dans la formation des travailleurs sociaux, en particulier ceux appelés à intervenir en situation de crise et en contexte d’intervention collective.
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 | 0.009 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.018 | 0.022 |
| Scholarly communication | 0.009 | 0.008 |
| Open science | 0.002 | 0.014 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.007 | 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".