MétaCan
Menu
Retour à la cohorte
Enregistrement W6981750592

Facteurs associés à la négligence chez les enfants québécois signalés à la protection de la jeunesse

2019· other· fr· W6981750592 sur OpenAlexaboutno aff

Notice bibliographique

RevueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2019
Typeother
Languefr
DomaineSocial Sciences
ThématiqueAfrican history and culture analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPoison controlChild abusePopulationIle de france
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Au Québec, la Loi sur la Protection de la Jeunesse dicte les droits des mineurs (17 ans et moins) qui sont signalés au directeur de la protection de la jeunesse (DPJ) et protège les enfants dont la sécurité ou le développement est compromis. Selon l’article 38b de cette loi, une situation de négligence est présente lorsque « les parents d'un enfant ou la personne qui en a la garde ne répondent pas à ses besoins fondamentaux sur le plan physique […], sur le plan de la santé […], ou sur le plan éducatif […] » (Gouvernement du Québec, 2007, p.20). 
\n
\n\tMalgré que cette forme de mauvais traitement soit la plus présente dans la population générale et au sein même de la protection de la jeunesse, elle est, paradoxalement, celle qui a fait l’objet du plus petit nombre d’études. Pourtant, la négligence a de nombreuses conséquences sur l’enfant à court et à long terme, entraînant des coûts socio-économiques importants. 
\n 
\n\tDans cette optique, nous nous sommes penchés sur le sujet, en tentant de déterminer quelles sont les caractéristiques individuelles, parentales, du milieu de vie, des mauvais traitements et des services reçus qui distinguent les enfants dont un signalement pour négligence (avec ou sans autre forme de mauvais traitement) a été jugé fondé par la protection de la jeunesse par rapport aux enfants pour qui un signalement a été jugé fondé pour un mauvais traitement sans la présence de négligence.
\n
\n\tPour ce faire, nous avons utilisé un échantillon de l’Étude d’incidence québécoise sur les signalements évalués en protection de la jeunesse (Hélie, Turcotte, Trocmé et Tourigny, 2012). Cet échantillon était composé de 1469 enfants (49,8% de sexe féminin) de 0 à 17 ans (moyenne d’âge de 8,41 ans). En réalisant des analyses univariées de type khi-deux et test t, puis une analyse de régression logistique binaire, nous avons pu déterminer quelles caractéristiques étaient associées à la présence de négligence. 
\n
\nLes résultats de la régression indiquent que les caractéristiques suivantes sont significativement associées au groupe d’enfants avec négligence : a) aucune source de revenu pour la maisonnée, b) être locataire, c) manquer régulièrement d’argent pour subvenir aux besoins de base, d) la présence d’au moins une forme de danger au domicile, e) avoir vécu au moins un déménagement au cours de la dernière année, f) avoir au moins une figure parentale âgée de 21 ans et moins, g) avoir au moins une figure parentale qui présente une déficience intellectuelle, h) un plus grand nombre de problèmes de fonctionnement confirmés chez l’enfant, i) avoir vécu le mauvais traitement plus d’une fois, j) lorsque la figure parentale est l’auteur du mauvais traitement. Ce modèle final (khi-carré = 699,18, ddl = 36, p = 0,00) explique 52% de la variance totale de la présence de négligence, selon le R-deux de Nagelkerke, et classe correctement 82,2% des enfants dans le bon groupe. Plus spécifiquement, 72,9% des enfants dont un signalement a été jugé fondé pour négligence sont classés correctement.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,959
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,004
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,222
Écart entre enseignants0,210 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)Même sujetAfrican history and culture analysisTravaux en français237 207