Intervenir par la danse : quels effets sur le bien-être et les inégalités sociales : une étude de cas à Montréal
Bibliographic record
Abstract
Ce mémoire porte sur l'intervention sociale par la danse. Ce mode d’intervention singulier est étudié sous l’angle des inégalités sociales et du bien-être. Pour ce faire, une étude de cas est réalisée au sein de l’organisme Prima Danse, un organisme à but non lucratif présent à Montréal. L’objectif principal est de déterminer les apports et les limites de l'intervention sociale par la danse. Pour savoir dans quelle mesure ce type d’intervention peut avoir un impact sur les inégalités sociales et le bien-être, des ateliers de danse offerts à des clientèles vulnérables sont étudiés pour déterminer jusqu’à quel point ils s’inscrivent, de par leur rapport avec les personnes participantes, dans une « approche globale ». Une telle approche prendrait en compte les cinq dimensions du bien-être identifiées par McAll et ses collègues (2014) : les dimensions matérielle, relationnelle, corporelle, temporelle et décisionnelle. Par rapport à cette dernière dimension, il va être déterminé si les ateliers de danse sont un facteur d’empowerment et/ou du développement du pouvoir d’agir (Bacqué, 2006 ; 2015 ; Le Bossé, 2003) des participant.es. Cette recherche qualitative s’appuie sur des observations participantes menées au sein de différents ateliers de danse et sur des entretiens semi-dirigés. Grâce à 13 entretiens, les ressentis et les représentations individuelles qu’ont les personnes participantes à propos des ateliers de danse sont mis en relation avec la réflexivité (Bertucci, 2009) qu’ont les intervenantes sur les actions qu’elles mènent. Dans une perspective de co-construction des savoirs (Gardien, 2017), une place centrale est accordée aux savoirs expérientiels (Racine, 2000) des personnes. De cette façon, cette recherche permet une meilleure compréhension des réalités vécues par les personnes et des processus à l’oeuvre au sein de dispositifs d’intervention sociale.
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 | 0.004 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.006 | 0.003 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 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".