L'Utilisation Efficace Des Médias De Masse Dans Des Programmes De Prévention Et De Promotion De La Santé Mentale
Bibliographic record
Abstract
Cet article recense les programmes de prévention et de promotion de la santé mentale ayant utilisé avec succès les médias électroniques comme mode de diffusion. Dans le cadre de ce type de programme, les médias peuvent être utilisés dans des rôles de promoteur, d'éducateur, de complément ou de soutien. Les programmes recensés sont d'abord décrits selon de rôle assigné aux médias. Puis, on analyse la relation entre les résultats de l'évaluation d'impact et la fonction attribuée aux médias. Les résultats de cet examen démontrent que lorsque les médias représentent le seul mode de diffusion du programme (i.e. dans un rôle de promoteur), ils sont efficaces pour inciter des individus è fréquenter des groupes d'entraide ou des services communautaires. Ils peuvent également augmenter le niveau de connaissances de la population cible et favoriser un changement d'attitude (i.e. dans un rôle éducatif). Toutefois, lorsque le programme vise è modifier des comportements précis, l'utilisation exclusive des médias a des impacts limités. Les changements de comportement ont davantage de chances de se produire lorsqu'ils sont combinés avec d'autres types d'intervention qui impliquent des contacts directs de la population visée avec d'autres individus poursuivant les mêmes buts (i.e. dans un rôle de complément). La discussion fait ressortir les conditions optimales d'utilisation des médias de masse dans le domaine de la santé mentale.
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 | 0.023 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 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".