Comparaison de deux enquêtes de victimisation
Bibliographic record
Abstract
Les questionnaires de victimisation ont montré que le risque de victimisation diminue avec l’âge. Au Canada, l’Enquête sociale générale (ESG) qui mesure la victimisation de la population n’inclut pas les moins de 15 ans. Les informations disponibles concernant la victimisation des jeunes viennent donc de sources officielles comme la Direction de la protection de la jeunesse ou la police. Ces sources sont incomplètes et ne représentent que la pointe de l’iceberg puisque le chiffre noir concernant la victimisation des enfants est important. Le Juvenile Victimization Questionnaire (JVQ) a été développé aux États-Unis par David Finkelhor et ses collègues afin de combler ces lacunes. Dans cet article nous comparons les résultats de ce nouvel instrument avec ceux de l’Enquête sociale générale obtenus par un questionnaire testé et utilisé pendant près de 20 ans au Canada, afin d’évaluer si les données du JVQ sont fiables pour décrire la victimisation des jeunes. Plus spécifiquement, les mesures de la victimisation à vie et celle des 12 derniers mois sont comparées. Les résultats indiquent que malgré les différences inhérentes aux deux questionnaires, les échantillons des 15 à 17 ans présentent des taux relativement comparables pour la victimisation des 12 derniers mois, mais des différences sur le plan de la victimisation à vie.
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 | 0.010 | 0.028 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.007 | 0.006 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".