Représentations sociales et consommation d’alcool pendant la grossesse
Bibliographic record
Abstract
La consommation d’alcool chez les femmes est en augmentation et certaines continuent de prendre de l’alcool pendant leur grossesse, même s’il est connu que cette substance est tératogène. Ce comportement est plus prévalent au Québec que dans le reste du Canada et il est plus fréquent chez les femmes de milieux plus favorisés. Une meilleure compréhension des façons de voir la consommation d’alcool pendant la grossesse pourrait contribuer à ajuster les interventions de prévention en tenant compte du point de vue des femmes enceintes. Cette étude visait à explorer les représentations des femmes enceintes au regard de la consommation d’alcool pendant la grossesse, et plus spécifiquement en tenant compte de différents contextes socioéconomiques. Une démarche qualitative a permis de mettre en perspective le discours de 31 femmes provenant de différents contextes socioéconomiques. Ces femmes ont été recrutées dans les cours prénatals et dans un programme d’aide pour les femmes enceintes qui vivent avec un faible revenu. Les représentations de la consommation d’alcool pendant la grossesse diffèrent selon le contexte socioéconomique, hormis le fait que toutes les répondantes considèrent que prendre beaucoup d’alcool pendant la grossesse n’est pas acceptable. Quant à l’acceptabilité d’une consommation modérée, les représentations des femmes moins favorisées sont plus strictes et semblent basées sur leur bon sens. Chez les femmes plus favorisées, les représentations sont plus nuancées et sont appuyées sur des connaissances acquises notamment au moyen de la documentation écrite. Ces femmes déplorent l’incertitude quant à l’existence possible d’une quantité minimale d’alcool sans risque pendant la grossesse ainsi que certaines incohérences dans les messages qu’elles reçoivent. Les femmes qui ont participé à cette étude souhaitent recevoir une information juste et complète relativement à la consommation d’alcool. Elles veulent également recevoir des recommandations claires et précises sur ce sujet afin d’être en mesure de prendre des décisions éclairées.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".