Bibliographic record
Abstract
L’une des opérations professionnelles de la psychoéducation, l’évaluation des résultats, consiste à effectuer un suivi continu des effets de l’intervention proposée par le psychoéducateur. Pour ce faire, les devis expérimentaux à cas unique représentent une option à privilégier puisqu’ils permettent (a) d’évaluer l’efficacité de l’intervention et (b) de démontrer que l’intervention est responsable des changements observés. L’objectif de cet article est de guider les psychoéducateurs dans la sélection et la mise en place de devis expérimentaux à cas unique pour évaluer les effets d’interventions en milieu de pratique. Premièrement, les éléments à considérer lors de la planification de l’évaluation de l’intervention sont présentés. Ensuite, les devis ABAB, avec alternance de traitements, à niveaux de base multiples et avec changement de critères sont décrits en mettant l’accent sur leurs avantages et leurs limites. La sélection et l’application de chaque devis sont aussi illustrées à l’aide d’exemples. Finalement, les défis associés à l’implantation des devis expérimentaux à cas unique sont examinés en discutant des facteurs environnementaux qui pourraient prévenir et faciliter leur adoption par des psychoéducateurs en milieu de pratique.
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 | 0.029 | 0.057 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.003 | 0.004 |
| 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".