Examen d’analyses récentes portant sur l’Étude canadienne sur l'incidence des signalements de cas de violence et de négligence envers les enfants (ECI)
Bibliographic record
Abstract
Introduction Cette analyse a comme objectif de rassembler les articles évalués par les pairs utilisant des données tirées de l’Étude canadienne sur l’incidence des signalements de cas de violence et de négligence envers les enfants (ECI) publiées depuis novembre 2011 ainsi que des suréchantillons provinciaux de l’ECI, d’évaluer la qualité de leurs conclusions, de les synthétiser et de faire le bilan des variations dans l’utilisation de ces données. Méthodologie Nous avons sélectionné les articles au moyen du suivi des demandes d’accès aux données de l’ECI effectué par l’Agence de la santé publique du Canada et au suivi des publications produites au moyen de ces données. Deux évaluateurs au moins ont examiné de façon indépendante les articles et en ont évalué la qualité. Résultats Nous avons conservé 32 articles. Leurs points forts étaient en général les suivants : objectifs de recherche clairement établis, variables de contrôle appropriées, analyses pertinentes, taille de l’échantillon suffisante, conclusions pertinentes et utilité pour les pratiques et politiques. Leur point problématique était le plus souvent une définition floue des variables et des critères d’inclusion des cas. La plupart du temps, les articles mesuraient les associations entre les caractéristiques des mauvais traitements et celles des enfants, des pourvoyeurs de soins, du ménage et de l’organisme ou de la personne à l’origine du signalement et ils s’intéressaient aux conséquences des signalements, par exemple l’ouverture d’un dossier pour une prestation continue de services ou le placement. Conclusion Les articles utilisant des données de l’ECI ont obtenu des scores positifs pour la plupart des indicateurs de qualité. Dans leurs analyses les plus récentes, les chercheurs se sont concentrés sur les catégories de maltraitance insuffisamment étudiées jusqu’ici (exposition à la violence conjugale, négligence et violence psychologique) et ont étudié les facteurs spécifiques touchant les enfants des Premières Nations. Les données des suréchantillons de l’ECI ont été sous-utilisées. L’utilisation de techniques d’analyse multivariée a augmenté.
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 | 0.103 | 0.337 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.003 | 0.007 |
| Bibliometrics | 0.032 | 0.039 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.009 | 0.005 |
| Open science | 0.003 | 0.003 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 0.002 |
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".