MétaCan
Menu
← Retour à la cohorte
Enregistrement W7019137033

Exploration de l’expérience subjective d’intervenantes travaillant auprès de femmes victimes d’agressions sexuelles au Québec

2023· other· fr· W7019137033 sur OpenAlexaboutno aff

Notice bibliographique

RevueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2023
Typeother
Languefr
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPoison controlIllicit drugSexual behaviorSexual abuse
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

C’est en 2021 qu’est constaté, au Québec, la plus forte augmentation d’infractions sexuelles déclarées à la police dans les dix dernières années soit plus de 10 000 infractions (Ministère de la Sécurité publique, 2023). En prenant en considération que seulement 5 à 6 % des agressions sexuelles seraient rapportées à la police, il est possible d’estimer que les statistiques réelles sont en réalité beaucoup plus élevées (Cotter, 2021). Cependant, les agressions sexuelles touchent un nombre encore plus grand d’individus lorsque sont considérées les personnes qui sont indirectement touchées par ce crime tels que les intervenants qui travaillent auprès des victimes. En effet, nombre de travaux empiriques ont montré que des individus de différents domaines et professions peuvent être affectés par leur travail avec des victimes de trauma et le travail avec des victimes de violences à caractère sexuel n’y fait pas exception. Cependant, à notre connaissance, peu d’études sur l’intervention auprès de victimes d’agressions sexuelles (VAS) ont été réalisées au Québec. La présente étude a été conduite avec un devis qualitatif inductif ayant comme objectif général d’explorer l’expérience subjective d’intervenantes de genre féminin travaillant auprès de femmes VAS au Québec. Cet objectif général se décline en trois objectifs spécifiques soit mieux comprendre les difficultés, les aspects positifs ainsi qu’identifier les besoins et recommandations des intervenantes pour faciliter leur travail. Des entrevues individuelles semi-structurées ont été réalisées auprès de sept femmes provenant de cinq milieux de travail situés dans trois régions différentes du Québec. L’analyse thématique a été utilisée pour analyser les données recueillies et a permis d’extraire des thèmes et/ou des sous-thèmes pour chaque objectif spécifique. Les résultats appuient ce qui a déjà été identifié dans la documentation scientifique en matière d’impacts négatifs du travail auprès de victimes d’agressions sexuelles particulièrement en ce qui a trait aux contacts difficiles avec le système de justice, aux réactions émotionnelles négatives des intervenantes, aux intrusions du travail dans leur vie privée ainsi que concernant les défis associés à une surcharge de travail. Toutefois, malgré les impacts négatifs et les difficultés rapportés par les participantes, les résultats montrent qu’il est aussi possible pour les intervenantes de retirer des bienfaits significatifs de leur travail auprès de VAS tels qu’un sentiment de croissance personnelle et de gratification, ce qui s’était auparavant moins démarqué dans la documentation scientifique. Les résultats de la présente étude soulignent aussi les besoins et recommandations des intervenantes qui permettraient de faciliter leur travail. Les retombées de cette étude sont discutées en termes de prévention et de sensibilisation pour favoriser le bien-être des intervenantes ainsi que sur le plan de la pratique clinique. Enfin, des pistes de recherches futures sont suggérées.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,251
Score d'incertitude au seuil0,505

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0090,005
Communication savante0,0040,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,021
Tête enseignante GPT0,234
Écart entre enseignants0,213 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)→Travaux en français237 207→