Ethnicité et santé mentale : Conceptualisation, défi nition et opérationnalisation de l’ethnicité dans le contexte canadien
Bibliographic record
Abstract
La présente étude fournit un compte rendu critique des études canadiennes sur l’ethnicité et la santé mentale pour ce qui est de la définition, de la conceptualisation et de l’opérationnalisation de l’ethnicité. Elle constitue un article fondateur sur les problèmes de méthodologie liés à ces facteurs et leurs répercussions, dans le but de guider la recherche future et de rendre possible la comparabilité des résultats entre les différentes études. Les bases de données Sociological Abstracts, PsycINFO, MEDLINE et CINAHL ont servi à répertorier les articles canadiens pertinents publiés entre janvier 1980 et décembre 2004. Ce compte rendu met en évidence un certain nombre de questions importantes que les futurs chercheurs devront prendre en considération, telles que la nécessité : 1) d’expliquer clairement pourquoi l’ethnicité est importante dans le cadre de leur recherche; 2) de fournir une définition claire de l’ethnicité, qui influe sur sa conceptualisation et son opérationnalisation; 3) de présenter une conceptualisation de l’ethnicité fondée sur la théorie, qui doit être reliée à la question sur laquelle porte la recherche et 4) de donner des justifications claires pour ce qui est des décisions prises au sujet de la source de données utilisée, de l’opérationnalisation de l’ethnicité et des catégories ethniques incluses dans leurs études.
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 | 0.020 | 0.036 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.011 |
| Science and technology studies | 0.005 | 0.014 |
| Scholarly communication | 0.010 | 0.010 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.005 | 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".