Évaluation métrologique de la Mesure de l’offre active de services sociaux et de santé en français en contexte minoritaire
Bibliographic record
Abstract
Comment peut-on mesurer l’impact des actions entreprises pour améliorer l’offre active de services sociaux et de santé en français dans les communautés francophones en situation minoritaire? Un questionnaire mesurant premièrement les comportements individuels de l’offre active et deuxièmement la perception du soutien organisationnel à faire de l’offre active a été créé. La validité de contenu de la Mesure de l’offre active de services en françaisen contexte minoritaire a été établie à l’aide d’une recension d’écrits, de consultations menées auprès d’expertes et d’experts et d’un sondage Delphi pancanadien. Sa fidélité a été examinée à partir de données recueillies auprès de récents diplômés en santé et en service social. L’outil démontre une bonne consistance interne et des études auprès d’un plus large échantillon sont nécessaires pour augmenter la confiance envers sa stabilité temporelle. Il s’agit des premiers pas d’une démarche visant à mesurer l’évolution des comportements d’offre active à la suite d’activités de formation ou de changements organisationnels en faveur de services en français. Une telle mesure est aussi susceptible d’être utile dans les recherches visant à saisir les déterminants de ces comportements d’offre active.
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 | 0.023 | 0.038 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| 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".