Contradictions, negotiations, and expansive learning within an interprofessional care team : a cultural-historical activity theory analysis
Bibliographic record
Abstract
À l'instar de nombreuses régions industrialisées, le système de santé québécois subit d'importantes pressions en raison du vieillissement de la population et de la pénurie de personnel, particulièrement dans les soins de longue durée. La notion de soins, dit « care », qui englobe bien plus que la simple prestation de services médicaux, est centrale dans ces établissements. Elle représente une attitude, un engagement et un travail complexe qui confrontent les professionnels à de nombreuses incertitudes quotidiennes. Comprendre les soins dans leur état dynamique et mobiliser les expériences des professionnels sont essentiels pour renforcer cette pratique face aux défis actuels et futurs. Pour ce faire, nous avons observé et filmé des réunions interdisciplinaires dans un établissement de soins de longue durée (CHSLD). Ensuite, des entretiens approfondis ont été menés avec les participants, qui ont regardé, discuté et analysé des séquences vidéo de leur activité. Les propos des participants ont été analysés à l'aide de la perspective socio-constructiviste de la théorie de l'activité historico-culturelle (CHAT), révélant des potentiels d'action et d'apprentissage insoupçonnés. L'analyse a mis en évidence des contradictions qui ont conduit à des négociations entre les membres de l'équipe, favorisant un processus d'apprentissage expansif. L'accroissement de l'autonomie des membres de l'équipe, résultant de leur prise de conscience de leur rôle dans la formation de nouvelles pratiques de soins par la résolution des contradictions, est un autre élément clé à retenir. Cette recherche offre une vision holistique des facteurs qui influencent les pratiques de soins. En mettant en évidence les contradictions et en mobilisant les ressources créatives des équipes interprofessionnelles, elle ouvre des avenues d'amélioration significatives. L'intégration de ces approches dans les programmes de formation permettrait une réflexion critique et une adaptation aux défis complexes, améliorant ainsi la qualité des soins en interne et de manière durable.
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 | 0.011 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.004 |
| Science and technology studies | 0.008 | 0.026 |
| Scholarly communication | 0.013 | 0.011 |
| Open science | 0.003 | 0.007 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
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".