Prévenir la maltraitance envers les enfants au moyen du marketing social
Bibliographic record
Abstract
Le marketing social (MS) constitue une stratégie intéressante en matière de prévention universelle. Il s'est avéré efficace pour réduire l'incidence de divers problèmes de santé publique comme le tabagisme ou la consommation d'aliments sucrés, contribuant à la prévention de plusieurs maladies. Le présent article s'adresse aux chercheurs, décideurs et praticiens et praticiennes qui oeuvrent dans le domaine de la prévention de la maltraitance envers les enfants, afin de les outiller pour élaborer des campagnes de MS efficaces dans ce domaine. Il examine le potentiel de cette approche pour réduire l'incidence des comportements parentaux coercitifs, violents, incohérents ou négligents, et rehausser le recours aux pratiques parentales positives. Les composantes d'une approche de marketing social sont présentées, ainsi que leur application à la prévention de la maltraitance. Les campagnes ayant été évaluées sont recensées et leur efficacité est présentée. L'article met en lumière le caractère prometteur du MS pour prévenir la maltraitance, surtout lorsqu'il intègre une approche communautaire et qu'il est lié à une offre de services directs aux parents.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 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".