Taux de récurrence chez les enfants signalés à une direction de la protection de la jeunesse entre 1998 et 20021
Bibliographic record
Abstract
L’application de la Loi sur la protection de la jeunesse repose sur le signalement d’une situation qui compromet la sécurité ou le développement d’un enfant. Depuis quelques années les intervenants des centres jeunesse constatent qu’un nombre élevé d’enfants font l’objet d’un nouveau signalement au fil des ans : on parle alors de récurrence. Les études menées sur ce sujet rapportent des taux de récurrence variant entre 18 % et 60 %. Or, une majorité d’études s’appuient sur de petits échantillons, et non sur des cohortes, pour établir les taux de récurrence. L’objectif de la présente étude est d’estimer la récurrence en s’appuyant sur cinq cohortes d’enfants (n = 8 738) dont le signalement a été analysé par la direction de la protection de la jeunesse d’un centre jeunesse entre 1998 et 2002. Les résultats indiquent que 24,5 % des enfants évalués avaient fait l’objet d’une enquête antérieurement et qu’un enfant sur six (15,8 %) avait reçu des services des centres jeunesse. Finalement, les prévalences les plus fortes s’observent chez les garçons, dans le groupe d’âge des 13-17 ans et chez ceux qui sont signalés pour une problématique d’abandon et de négligence.
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 | 0.002 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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".