Le rôle prédictif des mauvais traitements au regard de l’évolution des enfants participant à un programme d’intervention ciblant les comportements sexuels problématiques
Bibliographic record
Abstract
Les mauvais traitements envers les enfants, dont les agressions sexuelles, figurent parmi les facteurs associés au développement des comportements sexuels problématiques (CSP). De plus en plus, les connaissances théoriques et empiriques invitent à considérer ces facteurs pour mieux comprendre l’évolution des séquelles liées aux CSP en cours de traitement. La présente étude a pour but de vérifier si la présence de mauvais traitements, vécus par l’enfant ou ses parents, permet de prédire l’évolution des enfants participant au Programme d’intervention auprès d’enfants présentant des CSP (PI-ECSP) visant à réduire les CSP en favorisant l’acquisition d’habiletés personnelles, sociales et familiales. De façon générale, les résultats suggèrent que la présence de mauvais traitements n’est pas liée à l’évolution des problèmes de comportement des enfants en cours d’intervention. En revanche, l’étude révèle la présence de facteurs prédictifs sur certaines cibles d’intervention spécifiques qui pointent vers une évolution plus positive lorsque des mauvais traitements ont été subis par les enfants et une évolution plus mitigée lorsqu’ils ont été vécus par un parent. Si le PI-ECSP paraît tout à fait approprié pour la clientèle à laquelle il est destiné, les résultats de la présente étude indiquent que certains changements seraient à envisager afin de tenir davantage compte des besoins des parents participants. Tout comme c’est le cas pour bon nombre de travaux dans ce domaine de recherche, l’étude présente certaines limites, dont une taille d’échantillon restreinte et des données manquantes, qu’il importe de tenir compte dans l’interprétation des résultats.
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 | 0.017 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".