Prévention des risques liés à la consommation de substances en contextes festifs universitaires
Notice bibliographique
Résumé
Contexte. Les événements festifs universitaires (EFU) sont des occasions associées à des épisodes de consommation pouvant comporter des risques pour les étudiants universitaires. Peu de programmes de prévention se sont intéressés aux stratégies préventives mises en place par les étudiants lors de ces événements. Or, l’intégration de la perspective des étudiants pourrait permettre d’améliorer les pratiques préventives qui leur sont offertes. Par conséquent, il devient important d’identifier les stratégies préventives qu’utilisent les étudiants ainsi que les facteurs qui font en sorte qu’elles sont mises en place lors d’EFU. Objectif. L’objectif de cette étude est d’identifier les stratégies préventives planifiées et mises en place par les étudiants universitaires lors d’EFU pour limiter la consommation excessive d’alcool, la consommation à risque de cannabis et les conduites à risque associées ainsi que les facteurs qui influencent leur mise en place. Méthodologie. Basée sur un devis descriptif-interprétatif, cette étude qualitative repose sur des entrevues menées auprès de 15 étudiants (10 femmes et 5 hommes) âgés de 21 à 26 ans, provenant de plusieurs universités du Québec et ayant eu un épisode de consommation excessive d’alcool ou à risque de cannabis lors d’un EFU. Résultats. Les étudiants ont identifié des stratégies préventives pour limiter la consommation d’alcool pouvant être réparties en quatre catégories (sociale, temporelle, économique et liée à la substance). En lien avec la consommation de cannabis, seulement des stratégies liées à la substance consommée ont été identifiées. Les étudiants planifient également des stratégies pour limiter la conduite automobile avec les facultés affaiblies et les comportements sexuels à risque. Ils rapportent aussi des facteurs (pression sociale, responsabilités) qui peuvent affecter positivement ou négativement la mise en place de leurs stratégies. Retombées. Considérer la perspective des étudiants quant aux stratégies préventives qu’ils utilisent permet de mieux orienter et adapter la prévention en complémentarité lors d’EFU.
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 | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».