MétaCan
Menu
Back to cohort
Record W2167307904 · doi:10.7202/013129ar

Facteurs associés à la décision de recourir au Tribunal de la jeunesse lors de l’orientation des mesures de prise en charge1

2006· article· fr· W2167307904 on OpenAlexaffvenue
Marc Tourigny, Nico Trocmé, Sonia Hélie, Marie-Claude Larivée

Bibliographic record

VenueCriminologie · 2006
Typearticle
Languagefr
FieldSocial Sciences
TopicSocial Policies and Family
Canadian institutionsUniversité du Québec à MontréalUniversité de Sherbrooke
Fundersnot available
KeywordsPolitical scienceHumanitiesPhilosophy

Abstract

fetched live from OpenAlex

Parmi les décisions que les intervenants de la protection de la jeunesse ont à prendre, le recours au Tribunal de la jeunesse afin d’imposer à la famille des mesures de prise en charge représente une décision importante et lourde de conséquences tant pour l’intervenant que pour la famille. Dans ce contexte, la présente étude vise à déterminer les facteurs associés à la décision de recourir au Tribunal de la jeunesse dans les cas où la sécurité ou le développement de l’enfant ont été jugés compromis. L’échantillon comprend 2264 enfants dont les faits signalés ont été jugés fondés et la sécurité ou le développement compromis. Les variables examinées concernent les caractéristiques des enfants, des parents, de la famille, des mauvais traitements et des services reçus. Les résultats de l’analyse de régression multiple par blocs hiérarchiques montrent que la coopération des parents, la chronicité des situations (prise en charge antérieure au cours des cinq dernières années et durée des mauvais traitements/troubles de comportement), la vulnérabilité de l’enfant (jeune âge et nombre de besoins de services), la gravité des situations (abandon de l’enfant, présence de mesures d’urgence et de poursuites criminelles) de même que certains facteurs de risque familiaux (aide sociale et déménagements fréquents) sont fortement associés à la décision de recommander le recours au Tribunal de la jeunesse.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.003
metaresearch head score (Gemma)0.003
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.344
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0030.003
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0010.002
Scholarly communication0.0000.000
Open science0.0000.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0000.000

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.

Opus teacher head0.158
GPT teacher head0.427
Teacher spread0.269 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations6
Published2006
Admission routes2
Has abstractyes

Explore more

Same venueCriminologieSame topicSocial Policies and FamilyFrench-language works237,207