Utilisation de l'Étude canadienne sur l'incidence des signalements de cas de violence et de négligence envers les enfants (ECI) par les organismes de protection de l'enfance en Ontario
Bibliographic record
Abstract
<sec> <title>Introduction</title> L'objet de cette étude était l'analyse de l'utilisation faite par les décideurs de niveau supérieur des organismes de protection de l'enfance des données de surveillance de l'Étude canadienne sur l'incidence des signalements de cas de violence et de négligence envers les enfants (ECI). </sec> <sec> <title>Méthodologie</title> Pour cette étude de triangulation, nous avons utilisé des méthodes mixtes, combinant méthodes quantitatives et qualitatives, dans le but de faciliter une exploration en profondeur des différentes perspectives. Nous avons interviewé des décideurs des organismes de protection de l'enfance en Ontario afin d'évaluer l'utilisation de l'ECI dans le cadre de l'élaboration des politiques. </sec> <sec> <title>Résultats</title> La majorité des répondants étaient informés de l'existence des données de l'ECI. Les décideurs ont indiqué qu'ils utilisaient ces données pour déterminer l'affectation des ressources, comprendre les tendances des signalements de cas de violence et valider les constats qui étaient faits au sein de leurs organismes respectifs. Les organismes situés en milieu urbain faisaient un plus grand usage des données que ceux situés en milieu rural. </sec> <sec> <title>Conclusion</title> Cette étude est la première à avoir triangulé les données dans le but de comprendre et d'améliorer l'utilisation des données de surveillance relatives à la maltraitance des enfants. Les participants à l'étude ont indiqué que les données présentaient pour eux un intérêt considérable; ils ont en outre fait des suggestions afin que des améliorations soient apportées au cycle de surveillance. </sec>
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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 teacher head, 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".