Soutenir les activités quotidiennes d’adultes présentant une déficience intellectuelle : démarche d’implantation technologique
Bibliographic record
Abstract
En milieu résidentiel, le recours aux technologies pour favoriser la réalisation d’activités quotidiennes (p. ex., cuisiner, faire la lessive) par les personnes présentant une déficience intellectuelle (DI) s’avère une solution prometteuse. Toutefois, pour que cette intervention procure les bénéfices escomptés, il s’avère essentiel d’ancrer son déploiement dans la réalité vécue par les participants. L’objectif de l’étude consiste à décrire, à l’aide d’un devis qualitatif longitudinal (trois temps de mesure), le processus d’implantation et d’utilisation des technologies par six adultes présentant une DI pour réaliser des activités quotidiennes. Les résultats issus des analyses thématiques mettent en lumière l’importance de personnaliser l’intervention technologique au profil de chacun et de favoriser leur participation lors de la programmation. L’étude révèle également que les personnes intervenantes occupent un rôle central dans le déploiement. Enfin, l’intervention technologique a produit plusieurs effets chez les participants, la majorité d’entre eux étant positifs (p. ex., amélioration d’habiletés en cuisine, en contexte de conversations et en gestion émotionnelle).
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 | 0.015 | 0.022 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| 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".