Developing a sustainable cyberbullying prevention model for implementing Quebec's Bill 56
Notice bibliographique
Résumé
Le but central de ma mémoire de maîtrise est d'examiner la plus récente législation contre l'intimidation au Québec, la loi 56, pour guider les écoles sur la façon de répondre à l'exigence de réduire des cas de cyberintimidation. Afin de le faire, j'analyse le contenu et je relève les thèmes communs des 40 mémoires déposés à la Commission de la culture et de l'éducation par des différents intervenants suggérant des amendements au projet de loi 56. Ensuite, j'évalue si les suggestions avaient étés incorporés dans la loi 56, qui avait été sanctionnée en juin 2012. Pour critiquer la version sanctionnée de la loi 56, je fais ressortir quelques thèmes retrouvés dans les ouvrages académiques portant sur la prévention de l'intimidation et de la cyberintimidation. Ceux-ci servent à identifier les manquements et les défis de la loi 56 qui n'avaient pas étés inclus dans les mémoires déposées à la Commission de la culture et de l'éducation. Finalement, je conclue en introduisant un modèle de meilleures pratiques pour guider les écoles sur une façon durable de répondre à la cyberintimidation en exécutant la loi 56.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,003 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 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; 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 ».