Utilisation de l'Étude canadienne sur l'incidence des signalements de cas de violence et de négligence envers les enfants (ECI) par les organismes de protection de l'enfance en Ontario
Notice bibliographique
Résumé
<sec> <title>Introduction</title> L'objet de cette étude était l'analyse de l'utilisation faite par les décideurs de niveau supérieur des organismes de protection de l'enfance des données de surveillance de l'Étude canadienne sur l'incidence des signalements de cas de violence et de négligence envers les enfants (ECI). </sec> <sec> <title>Méthodologie</title> Pour cette étude de triangulation, nous avons utilisé des méthodes mixtes, combinant méthodes quantitatives et qualitatives, dans le but de faciliter une exploration en profondeur des différentes perspectives. Nous avons interviewé des décideurs des organismes de protection de l'enfance en Ontario afin d'évaluer l'utilisation de l'ECI dans le cadre de l'élaboration des politiques. </sec> <sec> <title>Résultats</title> La majorité des répondants étaient informés de l'existence des données de l'ECI. Les décideurs ont indiqué qu'ils utilisaient ces données pour déterminer l'affectation des ressources, comprendre les tendances des signalements de cas de violence et valider les constats qui étaient faits au sein de leurs organismes respectifs. Les organismes situés en milieu urbain faisaient un plus grand usage des données que ceux situés en milieu rural. </sec> <sec> <title>Conclusion</title> Cette étude est la première à avoir triangulé les données dans le but de comprendre et d'améliorer l'utilisation des données de surveillance relatives à la maltraitance des enfants. Les participants à l'étude ont indiqué que les données présentaient pour eux un intérêt considérable; ils ont en outre fait des suggestions afin que des améliorations soient apportées au cycle de surveillance. </sec>
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».