Bibliographic record
Abstract
La majorité des travaux sur les stresseurs ont porté sur les événements de vie passés. La présente recherche s'intéresse, en plus, aux événements anticipés. Les événements sont mesurés avec le Life Events and Difficulties Schedule dit LEDS (Brown et Harris, 1978). Les caractéristiques des événements anticipés: nombre, domaine de vie et valence (positive, négative ou neutre) sont comparées à celles des événements vécus. Pour illustrer la percée du LEDS dans le domaine des événements anticipés, le contexte de l'infertilité est retenu. Trente-cinq couples et sept femmes sans leur conjoint, qui tentent de concevoir un enfant, sont recrutés dans deux cliniques de la région de Québec. Les résultats montrent que les événements anticipés sont moins nombreux que les événements vécus. De plus, la proportion d'événements négatifs anticipés est moins élevée que la proportion d'événements négatifs vécus. Pourtant, dans les douze derniers mois, les sujets ont vécu un nombre significativement plus élevé d'événements négatifs que d'événements positifs. La possibilité d'un biais cognifif positif en regard du futur chez cet échantillon est discutée, l'utilité de la capacité à anticiper, également.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".