Le rôle prédictif des mauvais traitements au regard de l’évolution des enfants participant à un programme d’intervention ciblant les comportements sexuels problématiques
Notice bibliographique
Résumé
Les mauvais traitements envers les enfants, dont les agressions sexuelles, figurent parmi les facteurs associés au développement des comportements sexuels problématiques (CSP). De plus en plus, les connaissances théoriques et empiriques invitent à considérer ces facteurs pour mieux comprendre l’évolution des séquelles liées aux CSP en cours de traitement. La présente étude a pour but de vérifier si la présence de mauvais traitements, vécus par l’enfant ou ses parents, permet de prédire l’évolution des enfants participant au Programme d’intervention auprès d’enfants présentant des CSP (PI-ECSP) visant à réduire les CSP en favorisant l’acquisition d’habiletés personnelles, sociales et familiales. De façon générale, les résultats suggèrent que la présence de mauvais traitements n’est pas liée à l’évolution des problèmes de comportement des enfants en cours d’intervention. En revanche, l’étude révèle la présence de facteurs prédictifs sur certaines cibles d’intervention spécifiques qui pointent vers une évolution plus positive lorsque des mauvais traitements ont été subis par les enfants et une évolution plus mitigée lorsqu’ils ont été vécus par un parent. Si le PI-ECSP paraît tout à fait approprié pour la clientèle à laquelle il est destiné, les résultats de la présente étude indiquent que certains changements seraient à envisager afin de tenir davantage compte des besoins des parents participants. Tout comme c’est le cas pour bon nombre de travaux dans ce domaine de recherche, l’étude présente certaines limites, dont une taille d’échantillon restreinte et des données manquantes, qu’il importe de tenir compte dans l’interprétation des résultats.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».