MétaCan
Menu
Retour à la cohorte
Enregistrement W2152819604 · doi:10.1177/0886260513504643

Commentary on Canadian Child Maltreatment Data

2013· letter· en· W2152819604 sur OpenAlexaffabout
Lil Tonmyr, Wendy Hovdestad, Jasminka Draca

Notice bibliographique

RevueJournal of Interpersonal Violence · 2013
Typeletter
Langueen
DomainePsychology
ThématiqueChild Abuse and Trauma
Établissements canadiensPublic Health Agency of Canada
Organismes subventionnairesnon disponible
Mots-clésAgency (philosophy)Government (linguistics)Poison controlChild abuseSuicide preventionHuman factors and ergonomicsInjury preventionOccupational safety and healthPsychologyData collectionPublic healthPopulationCriminologyMedicinePolitical scienceMedical emergencyEnvironmental healthSociologyNursingLawSocial science

Résumé

récupéré en direct d'OpenAlex

The issue of how to best collect child maltreatment data is a key concern within the Public Health Agency of Canada (PHAC). We argue that maltreatment data can be collected from children, adolescents, and parents with approaches that are accurate, methodologically robust, legal, and ethical. It has been done in other countries. First, we clarify ongoing child maltreatment data collection by the Canadian government and address PHAC initiatives to include child maltreatment questions in national contemporaneous surveys. Second, we identify examples of population-based studies with child, adolescent, and parent respondents. Third, we highlight some measurement considerations. Fourth, we address ethical considerations in conducting this type of research.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,000
Intégrité de la recherche0,0000,003
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,032
Tête enseignante GPT0,294
Écart entre enseignants0,262 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Interpersonal ViolenceMême sujetChild Abuse and TraumaTravaux en français237 207