Exploration littéraire de la stigmatisationenvers les troubles de santé mentale
Bibliographic record
Abstract
On entend parfois des mots lourds de préjugés sur la maladie mentale, au détour d’une publicité, d’un film ou d’un magazine. On parle de « folie, de dérangés, de fuckés et d’anormaux ». Malgré un progrès notable dans les dernières années, les troubles de santé mentale sont encore stigmatisés. Cet imaginaire collectif entourant les troubles de santé mentale se véhicule et se construit entre autres par le champ lexical qui y est relié. La littérature occupe une place particulière dans le discours social, renvoyant à la fois au monde artistique et à la représentation de réalités particulières. Quels chemins sémantiques prend la stigmatisation dans la littérature ? Dans le contexte de cette recherche, des œuvres littéraires autofictionnelles ont été sélectionnées pour ensuite en trouver des extraits mettant en scène la perception des troubles de santé mentale et tisser des liens avec la littérature médicale. Un court texte littéraire sera présenté ensuite, en amalgamant des extraits particulièrement parlants qui ont été retenus. Ce projet s’inscrit dans l’approche de la recherche-création, et vise à se centrer sur l’humanité des personnes vivant avec des troubles de santé mentale et sur leurs perceptions de la stigmatisation, en abordant la place de la littérature et de la création dans la recherche en psychiatrie. (NLHC)
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 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.005 | 0.010 |
| Scholarly communication | 0.010 | 0.010 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.019 | 0.003 |
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".