Retour des enfants à l’école : intentions des parents d’enfants de Laval en contexte de pandémie (COVID-19)
Bibliographic record
Abstract
Cette étude a été réalisée au cours de l’été 2020, alors que les parents venaient de vivre une fermeture complète des écoles pendant plusieurs mois dans la grande région de Montréal à cause de la pandémie de COVID-19. Les objectifs de cette étude étaient d’identifier les déterminants sociodémographiques, médicaux et psychologiques influençant la décision des parents de retourner leur enfant à l’école en septembre 2020, puis, d’analyser le changement d’opinion des parents par rapport au retour à l’école de leur enfant suite à la lecture de données probantes vulgarisées. Après lecture de la fiche d’information comportant des données probantes vulgarisées sur les facteurs de risque associés à la COVID chez les enfants, nos résultats montrent que plusieurs parents ont changé d’opinion quant à l’intention de renvoyer leur enfant à l’école. Avant lecture de la fiche d’information, 86,6 % des parents avaient l’intention de retourner leur enfant à l’école. Suite à la lecture de la fiche d’information, le pourcentage de parents ayant l’intention de retourner leur enfant à l’école est resté inchangé. Le pourcentage de parents indécis est passé de 6,4 % à 7,1 % et le pourcentage de parents ne souhaitant pas renvoyer leur enfant à l’école a diminué de près d’un point de pourcentage passant de 7,1 % à 6,3 %. Cette étude met en lumière l’importance de proposer des sources d’informations valides, précises et simples pour informer et rassurer la population des risques associés au coronavirus chez les enfants.
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 | 0.004 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".