Validation d’échelles françaises mesurant les motivations à boire au sein de la population étudiante générale et sportive.
Bibliographic record
Abstract
Cette recherche présente la validation française d’outils de mesure de la motivation à boire, cette variable constituant un intérêt majeur dans la compréhension des comportements d’alcoolisation. À ce sujet, les modèles les plus connus sont le Motivational Model of Alcohol Use de Cox et Klinger (1988, 1990) et le Four-Factor Model de Cooper (1994). Actuellement, aucun outil francophone n’est basé sur ces modèles. Pour y remédier, cet article présente la traduction de deux questionnaires largement utilisés pour mesurer les motivations à boire, notamment auprès de la population étudiante qui est reconnue comme davantage à risque de s’alcooliser. Le premier outil s’intéresse aux motivations à boire en général avec le Questionnaire des Motivations à Boire (QMB) correspondant à la version française du Drinking Motive Questionnaire Revised Short Form (DMQ-R SF) de Kuntsche et Kuntsche (2009). Le deuxième outil porte sur les motivations à boire en contexte sportif avec l’Échelle des Motivations Sportives à consommer de l’Alcool (EMSA) qui correspond à la version française de l’Athlete Drinking Scale (ADS) de Martens et al. (2005). Les analyses factorielles exploratoires et confirmatoires ont été réalisées auprès de 630 étudiants avec parmi eux 558 étudiants sportifs. Les résultats obtenus attestent d’une fidélité et d’une validité satisfaisante et retrouvent la structure factorielle des outils originaux tout en appuyant les qualités psychométriques du QMB et de l’EMSA pour leur utilisation en contexte général et sportif. De plus, l’étude des liens entre ces questionnaires et la consommation d’alcool fournit des éléments pour des réflexions cliniques et de recherche dans ce domaine
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 | 0.034 | 0.055 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.002 | 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) | 0.004 | 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".