Évaluation des processus d’implantation d’un programme de transfert de connaissances par agents multiplicateurs pour la prévention des mauvais traitements
Bibliographic record
Abstract
L’étude des pratiques de prévention en santé publique laisse voir que les innovations démontrées efficaces par la recherche ne sont pas toujours les plus utilisées (Ringwalt et al., 2002, Wandersman et Florin 2003). Ainsi, c’est dans la volonté de mettre de l’avant non seulement une innovation fondée sur des données probantes, mais aussi une innovation réellement utile à la communauté que le Centre de liaison sur l’intervention et la prévention psychosociales (CLIPP) a mis sur pied en 2006 le programme de formation par agents multiplicateurs Agir en milieu de garde. Toutefois, puisque la fidélité et le dosage de l’implantation des activités de transfert par agents multiplicateurs sont parmi les principaux enjeux liés à la mise en oeuvre de tels programmes (Hahn, Noland, Rayens et Christie, 2002), le CLIPP a voulu évaluer ces deux composantes de l’implantation de ce programme. Les résultats de cette évaluation, présenté dans cette article, documentent le niveau d’implantation en lien avec ces deux dimensions et permettent de constater que le dosage de l’implantation du programme Agir en milieu de garde est comparable aux taux habituellement recensés dans les écrits alors que la fidélité de son implantation est un peu plus faible que les taux généralement recensés. Cette étude présente aussi les principaux facteurs d’influence sur le dosage et la fidélité d’implantation regroupés en trois grandes catégories de facteurs : les caractéristiques individuelles des agents multiplicateurs, les caractéristiques organisationnelles de leur milieu et les caractéristiques de l’innovation.
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 | 0.017 | 0.033 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.015 | 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".