Efficacité des interventions en prévention et en promotion de la santé mentale dans les établissements d’enseignement postsecondaire
Bibliographic record
Abstract
Le développement d’un problème de santé mentale affecte les étudiants de niveau postsecondaire sur tous les plans et peut mettre leur santé, voire leur survie, en péril. Les problèmes vécus pourraient être atténués, ou même évités dans certains cas, en intervenant plus tôt. Les stratégies en prévention et en promotion de la santé mentale mises de l’avant dans les établissements d’enseignement postsecondaire offrent les plus belles possibilités de rejoindre un grand nombre de jeunes adultes. Cependant, malgré l’intérêt grandissant pour de telles initiatives en milieu scolaire, les méta-analyses et les revues des écrits scientifiques recensés mettent en lumière les difficultés reliées à l’évaluation des stratégies utilisées et aux possibilités de répliquer les interventions, particulièrement en ce qui a trait à la promotion. Les stratégies les plus efficaces sur le plan de l’amélioration de la santé mentale semblent être associées à la supervision d’exercices en lien avec l’intervention telles que les exercices de pleine conscience (mindfulness), les techniques cognitives-comportementales, la relaxation et le développement d’habiletés sociales. Par ailleurs, même si elles présentent une plus grande hétérogénéité, les études impliquant une aide technologique (Web, ordinateur, etc.) démontrent des résultats favorables lorsqu’elles utilisent l’approche cognitive comportementale.
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 | 0.014 | 0.029 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.002 | 0.005 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.006 | 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".