transfert des connaissances pour optimiser l’adoption de l’approche de réduction des méfaits liés à l’usage de cannabis auprès des jeunes au Québec
Notice bibliographique
Résumé
Après l’alcool, le cannabis est la substance psychoactive la plus consommée par les jeunes au niveau mondial, notamment au Canada et au Québec. Considérant les risques socio-sanitaires que cela pose, il est nécessaire de mettre en place des interventions efficaces telles que celles basées sur l’approche de réduction des méfaits liés à l’usage du cannabis (RDM-C). La RDM-C, bien que démontrée efficace, demeure peu appliquée en raison des conceptions erronées à son endroit et de divers obstacles qui entravent son adoption par les personnes intervenantes. C’est pour ces raisons qu’un projet de recherche visant à concevoir une démarche de transfert et de mobilisation des connaissances (TMC) pour optimiser l’adoption de la RDM-C par les personnes intervenantes œuvrant auprès des jeunes en difficulté au Québec a été mené. Ce court rapport présente le déroulement de la mise en œuvre du plan de TMC ainsi que ses principaux effets immédiats et retombées à court-moyen terme.
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 | 0,016 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,005 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,027 | 0,002 |
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 ».