L’évaluation pré/post des effets de la communication du risque sur la perception du risque : l'exemple de la pêche sportive dans le Saint-Laurent autour de Montréal
Bibliographic record
Abstract
L'approche pré/post est couramment utilisée pour mesurer l'acquisition de connaissances et d'habiletés ou pour évaluer les effets de différentes interventions; la facilité de son application peut inciter des communicateurs tentés de mesurer l'effet ou le taux de pénétration de leurs messages au sein de leurs auditoires. Cet article illustre un cas d'application de cette approche évaluative au moyen d'un exemple de communication de risque en santé environnementale. La stratégie était de mesurer des indicateurs de perception du risque auprès des répondants avant la communication des analyses d'une enquête (pré-test), de remesurer ces indicateurs suite à la communication du risque (post-test) et, après plus d'un an, de revérifier si les changements mesurés lors du post-test étaient persistants ou volatiles (suivi). Trois moyens de communication différents ont été choisis pour divulguer les résultats de l'analyse du risque, soit par présentation orale, par résumé écrit et par les médias (radio, télévision).Les moyens de communication utilisés ont tous eu un effet mesurable sur la perception du risque cependant celui-ci est limité car la perception de la majorité des répondants est demeurée inchangée entre le pré-test et le post-test. De plus, le type (négatif/positif) et l'ampleur (fort/faible) des changements d'opinion varient inégalement selon l'indicateur mesuré. Enfin, parmi les répondants qui ont changé d'opinion entre le pré-test et le post-test, une partie de ceux-ci ont aussi changé d'opinion entre le post-test et le suivi, ce qui souligne une certaine volatilité des effets de la communication du risque sur la perception de l'auditoire. Ces données soulèvent d'ailleurs la nécessité de valider davantage les indicateurs habituellement utilisés pour mesurer la perception du risque. Après avoir discuté de certains biais, les auteurs concluent que l'approche pré/post pour évaluer l'effet de la communication du risque sur les attitudes et opinions comporte différentes limitations qui font en sorte que ce type d'évaluation ne nous renseigne pas adéquatement sur la valeur réelle de la communication du risque.
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 | 0.011 | 0.026 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 0.001 |
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".