L’éducation familiale à l’heure des compétences parentales
Bibliographic record
Abstract
Cet article vise à introduire ce numéro spécial traitant de l’éducation familiale, une forme d’intervention qui repose sur le principe que pour assurer le bien-être des enfants, il faut soutenir leurs parents en développant leurs compétences et donc, intervenir auprès d’eux. Après avoir retracé brièvement ses origines, son champ d’action est illustré permettant d’observer au passage la diversité des acteurs, des secteurs et des domaines concernés. L’analyse des articles qui composent ce numéro fait ressortir l’importance accordée au développement des compétences des parents et aux représentations des acteurs (parents comme intervenants). Différents enjeux sont aussi soulevés et traitent de l’efficacité des programmes d’éducation familiale et des conditions qui y contribuent, dont la formation des intervenants, leur implantation dans des contextes organisationnels permettant un réel travail avec les parents et leur application dans un contexte qui n’est pas trop restrictif. L’examen de l’efficacité des programmes d'éducation familiale fait ressortir que la vulnérabilité des familles n'est pas uniquement liée à la précarité socio-économique, mais aussi à l'évolution des formes familiales elles-mêmes et à la fragilisation des liens sociaux.
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 | 0.003 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.015 | 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".