Trajectoires déviantes et trajectoires de rétablissement à l’adolescence : typologie et leviers d’intervention
Bibliographic record
Abstract
L’ampleur, la nature et l’évolution de la délinquance et de l’usage de substances psychoactives (SPA) chez les adolescents sont assez bien documentées. Les médias y accordent également une place de choix. Toutefois, la lecture que les jeunes font de leurs trajectoires déviantes et de leurs trajectoires de rétablissement a fait l’objet de moins de recherches et de tribunes publiques. Un bilan des travaux de Brunelle sur les trajectoires de déviance juvénile sera présenté et accompagné des résultats plus récents de Bertrand et ses collaborateurs sur les trajectoires de rétablissement des jeunes toxicomanes en traitement. Nous mettrons l’accent sur l’évolution des motivations des jeunes à consommer des SPA et à commettre des délits, mais également sur les raisons qui expliquent, selon eux, qu’ils ont cessé ou diminué ces comportements à certains moments de leur trajectoire. Les déclencheurs de leur demande de services seront aussi présentés. L’importance des liens entre drogue et délinquance dans ces trajectoires sera mise en lumière. Des recommandations pour l’intervention seront proposées en fonction des stades de la trajectoire de consommation des jeunes et des trajectoires types de rétablissement.
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 | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".