Développer la résilience chez les jeunes trans et non binaires : un modèle basé sur l’éthique de la reconnaissance d’Axel Honneth
Bibliographic record
Abstract
Notre objectif est de participer à la fondation des bases théoriques et empiriques des approches transaffirmatives pour les jeunes trans et non binaires (JTNB). Nous proposons un modèle dont les bases théoriques s’ancrent dans l’éthique de la reconnaissance d’Axel Honneth et dont les moyens et les outils d’intervention sont développés à partir des écrits sur les facteurs de résilience chez cette population spécifique. La recherche de ces 10 dernières années a montré que les oppressions que les JTNB vivent tout au long de leur développement ont un impact délétère sur leur santé mentale. La question qui se pose aujourd’hui aux intervenant.e.x.s est donc comment favoriser la résilience ? Pour y répondre, nous proposons quatre niveaux d’intervention basés sur les niveaux de reconnaissance sociale d’Axel Honneth et les travaux sur l'intersubjectivité en psychologie : subjectif, intersubjectif, communautaire et légal. En fonction de ces niveaux, les approches transaffirmatives développent des interventions qui ont les objectifs de favoriser : 1) un sens de soi incarné et positif par la construction identitaire et le dépassement des séquelles de la transphobie; 2) la confiance en soi par des liens interpersonnels validants; 3) l’estime de soi par la fierté d’être trans et l’ancrage communautaire; 4) le respect de soi par la possibilité de vivre dans le genre désiré en sécurité et avec équité.
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 | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.005 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| 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".