Quand drogues et violence se rencontrent chez les jeunes : un cocktail explosif ?
Bibliographic record
Abstract
Les jeunes qui se retrouvent en centre de réadaptation pour jeunes contrevenants constituent un groupe qui mérite une attention particulière lorsqu’il s’agit de faire le point sur les relations qui se nouent entre alcool/drogues et violence. Cet article a pour but de décrire les liens qui se tissent entre substances psychoactives (entendre alcool et drogues illégales) et violence chez les jeunes contrevenants. Plus spécifiquement, il s’agit d’exposer le rôle : a) des intoxications; b) du besoin d’argent pour se procurer des drogues ; et c) du système de distribution illicite des drogues dans la manifestation de comportements violents chez les jeunes contrevenants canadiens. Les données traitées dans cet article sont issues d’un questionnaire adressé aux jeunes contrevenants de sexe masculin admis dans les centres de réadaptation du Québec (n = 239) et de l’Ontario (n = 162) quel que soit le délit à l’origine de leur prise en charge institutionnelle. Parmi les trois types de relation étudiés, c’est l’intoxication qui se révèle le facteur le plus important menant à la violence. Notons par ailleurs qu’une bonne partie des crimes associés aux substances psychoactives le sont à plus d’un titre. Des pistes d’interprétation sont suggérées.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.000 | 0.001 |
| 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".