Prévenir la maltraitance envers les enfants au moyen du marketing social
Notice bibliographique
Résumé
Le marketing social (MS) constitue une stratégie intéressante en matière de prévention universelle. Il s'est avéré efficace pour réduire l'incidence de divers problèmes de santé publique comme le tabagisme ou la consommation d'aliments sucrés, contribuant à la prévention de plusieurs maladies. Le présent article s'adresse aux chercheurs, décideurs et praticiens et praticiennes qui oeuvrent dans le domaine de la prévention de la maltraitance envers les enfants, afin de les outiller pour élaborer des campagnes de MS efficaces dans ce domaine. Il examine le potentiel de cette approche pour réduire l'incidence des comportements parentaux coercitifs, violents, incohérents ou négligents, et rehausser le recours aux pratiques parentales positives. Les composantes d'une approche de marketing social sont présentées, ainsi que leur application à la prévention de la maltraitance. Les campagnes ayant été évaluées sont recensées et leur efficacité est présentée. L'article met en lumière le caractère prometteur du MS pour prévenir la maltraitance, surtout lorsqu'il intègre une approche communautaire et qu'il est lié à une offre de services directs aux parents.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».