Évaluer la résilience des étudiants en santé en France : adaptation et mesure de l’invariance de l’échelle CD-RISC 10
Bibliographic record
Abstract
La résilience correspond à la manifestation de signes psychophysiologiques positifs chez un individu évoluant dans un environnement stressant. L’échelle abrégée de Connor et Davidson (CD-RISC 10) en permet une estimation fiable et rapide. Une version française n’existant pas, nos objectifs ont consisté à produire cette version, à en analyser les propriétés psychométriques et à en tester l’invariance dans différents échantillons. Le projet a impliqué les étudiants inscrits en santé à l’Université de Nantes. Nous avons exploité 1347 réponses provenant d’étudiants inscrits en première année commune aux études de santé (PACES), d’étudiants en odontologie et en médecine ainsi que d’internes de médecine générale. Les analyses ont confirmé la structure unidimensionnelle. Les indicateurs de consistance interne et de stabilité temporelle étaient acceptables. La validité convergente était seulement satisfaite pour les internes de médecine générale. L’analyse a montré que l’invariance selon le genre ou le curriculum était acceptable au niveau métrique/ faible. Le niveau d’invariance scalaire/fort selon le genre n’a été satisfait que chez les étudiants en PACES et les internes. Une invariance partielle a été proposée en fonction du genre pour les étudiants en médecine et en odontologie. Nos résultats indiquent que l’échelle CD-RISC 10 peut être utilisée pour évaluer la résilience d’étudiants en santé en France, dès lors qu’une mesure d’invariance accompagne les analyses statistiques.
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 | 0.010 | 0.019 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.002 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".