Développement d’une plateforme Web pour réduire l’usage de cannabis chez les jeunes qui fréquentent les centres d’éducation des adultes
Bibliographic record
Abstract
Le cannabis est la drogue illicite la plus souvent consommée chez les jeunes adultes. Son usage est associé à l’échec et à l’abandon scolaire. L’utilisation de plateformes Web est de plus en plus populaire pour intervenir auprès de ces jeunes. Cet article a pour objectifs de présenter la méthodologie utilisée et les résultats de chaque étape de développement d’une plateforme Web qui vise à réduire l’usage de cannabis chez les jeunes adultes qui retournent à l’école. L’intervention mapping a servi de guide pour le développement de cette plateforme. Les déterminants du problème sont d’abord documentés. Ces informations sont ensuite utilisées pour le développement d’une matrice d’objectifs et pour le choix des méthodes d’intervention. L’implication des populations cibles et des partenaires ainsi que le devis d’évaluation sont finalement décrits. Sept séquences de cinq expositions brèves à des messages éducatifs sur l’ordinateur ont été développées pour permettre aux jeunes de reconnaître leur vulnérabilité par rapport à certaines situations à risque de consommer et pour les aider à prendre la décision de réduire ou d’arrêter leur consommation. Différentes méthodes d’apprentissage sont utilisées pour présenter les messages éducatifs aux jeunes, notamment le tailoring et l’apprentissage par modèle. L’intervention mapping a été utile pour lier le savoir des populations visées aux connaissances théoriques et empiriques. Un projet pilote est actuellement évalué pour vérifier l’impact de cette intervention sur l’usage de cannabis chez les jeunes adultes.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.009 | 0.026 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.019 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".