Engager sa personne et son parcours de vie dans le bénévolat
Notice bibliographique
Résumé
Le GRIS-Montréal organise depuis 30 ans des interventions dans les établissements scolaires. Ces interventions visent à aborder les notions d’orientation sexuelle et d’identité de genre et, surtout, à leur donner un visage. Elles sont spécifiques en trois points. D’abord, elles partent du principe que toute question posée de façon respectueuse mérite une réponse, et que les jeunes sont en capacité, quel que soit leur âge, d’entendre cette réponse. Ensuite, elles sont menées par des bénévoles dûment formé·es pour l’occasion. Finalement, elles s’élaborent à partir de témoignages, c’est-à-dire du vécu des bénévoles qui sont devant les élèves. On connaît de longue date les impacts positifs de l’engagement bénévole sur la santé, parmi lesquels la réduction des symptômes d’anxiété et de stress, l’augmentation de l’estime de soi et la réduction de l’isolement social (Stuart et al., 2020; Linning et al., 2018; De Wit et al., 2015). Or, le « militantisme par le témoignage » (Mensah et al., 2017) tel qu’il se donne à voir au GRIS a ceci de particulier qu’il s’inscrit sur le corps et dans le parcours de personnes minorisées sur le plan du genre ou de l’orientation sexuelle. Sur la base de données colligées via un questionnaire d’enquête et d’entretiens avec plus de 120 bénévoles actuel·les ou passé·es des GRIS du Québec et de l’Acadie, cet article propose de réfléchir aux impacts de leur engagement sur leur santé globale. En particulier, des éléments relatifs à la santé sociale (hausse du sentiment d’appartenance à la communauté LGBTQ+, élargissement du réseau de socialisation, amélioration des relations familiales) et à la santé mentale (hausse de l’estime de soi et de la confiance en soi, diminution des idéations suicidaires) émergent et rendent compte des disparités individuelles dans la capacité à politiser l’engagement bénévole.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; les deux têtes enseignantes 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 ».