La régulation familiale et les comportements violents à l’adolescence : existe-t-il des différences sexuelles1 ?
Bibliographic record
Abstract
Cet article porte sur l’influence de la famille sur la délinquance selon le sexe. Trois questions sont abordées : l’exposition aux facteurs de risque familiaux diffère-t-elle selon le sexe ?, la nature et la force d’association de ces facteurs aux comportements violents varient-elles selon le sexe ?, et quels sont les facteurs familiaux qui expliquent le mieux les comportements violents des filles et des garçons ? Un échantillon de garçons (n = 506) et de filles (n = 150) judiciarisés et un autre d’écoliers (n = 204) et d’écolières (n = 198) de Montréal sont utilisés. Les analyses révèlent que les filles judiciarisées affichent un profil familial plus problématique que celui de leurs confrères, bien qu’elles soient plus supervisées. Chez les écoliers et les écolières, le milieu familial est très semblable. Les analyses multivariées indiquent que la supervision des garçons et des filles, quel que soit l’échantillon, est une bonne protection contre les comportements violents. Par contre, les faibles liens ont plus d’importance pour la délinquance des garçons quel que soit l’échantillon, et la déviance parentale affecte un peu plus celle des filles judiciarisées. Ainsi, les mêmes concepts proximaux peuvent être utilisés pour expliquer les comportements violents des filles et des garçons, mais il faut continuer la recherche sur les concepts plus distants. Les interventions devraient porter sur l’amélioration des pratiques disciplinaires et le renforcement des liens.
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 | 0.001 | 0.004 |
| 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 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 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".