L’intervention psychosociale et la violence envers les enfants : une réflexion critique sur la pratique québécoise
Bibliographic record
Abstract
L'importance des facteurs socio-économiques et structuraux dans l'explication de la fréquence des mauvais traitements envers les enfants, est souvent sous-estimée par les intervenant (e) s. En conséquence, les modèles d'intervention généralement adoptés reposent en grande partie sur la considération de facteurs personnels (alcoolisme, immaturité des parents, expérience infantile de l'abus, etc.). À la lumière des nombreuses études scientifiques qui démontrent le caractère multidimensionnel des facteurs en jeu, une reconceptualisation de cette problématique et des stratégies d'action à privilégier s'impose. Le modèle écologique apparaît pertinent pour comprendre la nature des interactions réciproques entre l'individu et les environnements significatifs. Ces environnements (micro-méso-exo-macrosystèmes) peuvent influencer directement ou indirectement les familles en difficulté. Les types d'intervention suggérés permettraient d'enrichir ou d'accroître les ressources personnelles et communautaires des collectivités; ils invitent les intervenant (e) s à l'analyse constante et soutenue, et à la modification nécessaire des éléments rneso/exo/ et macrosystémiques des environnements; ils reposent sur le décloisonnement et l'intégration des différents services assurés auprès de ces familles : les services informels, semi-formels et formels. Une rupture épistémologique dans le paradigme qui oriente nos pratiques apparaît essentielle afin de développer une compréhension plus globale de cette problématique et d'intervenir plus localement au sein des collectivités à qui revient ultimement le droit de définir leurs besoins et d'identifier les moyens pertinents pour y répondre. Dans cette perspective, l'intervention serait dynamique (proactive) et non pas réactive, spécifique à chaque communauté et intégrée aux efforts concertés déjà entrepris (ou à développer) par les membres de la communauté. Alors l'intervenant (e) pourrait lui (elle) aussi développer un sens d'appartenance au voisinage qui le protégerait de l'épuisement et d'un sentiment croissant d'impuissance, d'apathie et de futilité principalement engendré par l'observation quotidienne de l'échec.
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 | 0.008 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.005 | 0.015 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.004 | 0.004 |
| Insufficient payload (model declined to judge) | 0.005 | 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".