La recherche d’effectivité: nature, méthodes et rôle dans la validation des interventions fondées sur les preuves
Notice bibliographique
Résumé
L’utilisation des Interventions Fondées sur les Preuves (IFP) est de plus en plus encouragée dans le domaine psychosocial, mais leur validation demeure controversée. La recherche sur les IFP est dominée par les études d’efficacité qui visent à tester les effets des interventions dans des conditions optimales. Cependant, les conclusions de ces études peuvent difficilement s’appliquer en pratique. La recherche d’efficacité doit être complétée par la recherche d’effectivité qui vise à tester les effets des interventions dans des conditions de la pratique courante (dans le « vrai monde »). Cet article vise à définir la recherche d’effectivité, à présenter ses principales stratégies de recherche et à dégager ses implications dans la validation des IFP. La recherche d’effectivité représente souvent un premier test de réalité pour une intervention survenant entre la recherche d’efficacité et le transfert éventuel de cette intervention de la recherche vers la pratique. Cette recherche exige un travail d’équilibriste entre des orientations méthodologiques contradictoires : maximiser la validité écologique, la validité externe et l’utilité pratique des résultats et, d’autre part, préserver un bon niveau de validité interne. Réussir cet équilibre permet de produire une preuve pertinente, applicable, généralisable, mais aussi robuste quant aux effets d’une intervention dans un contexte de pratique courante. La recherche d’effectivité est dorénavant incontournable et mérite d’être priorisée au Québec comme ailleurs.
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 | 0,418 | 0,542 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,018 |
| Communication savante | 0,013 | 0,010 |
| Science ouverte | 0,006 | 0,007 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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.
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».