Dynamique des entrevues d’enquête auprès des mineurs victimes d’agressions sexuelles
Bibliographic record
Abstract
Peu d’études se sont intéressées aux entrevues d’enquête réalisées avec des adolescents alors qu’ils constituent une grande proportion des victimes d’agression sexuelle. Cette population se distingue de la population infantile sur les plans cognitif, psychologique et relationnel, ce qui peut influencer le déroulement des entrevues. Cette étude vise à comparer les entrevues d’enquête entre les enfants et les adolescents victimes d’agression sexuelle à l’égard des types de questions des enquêteurs, des types de réponses des victimes et des liens entre ces deux éléments afin de mieux comprendre la dynamique de l’entrevue. Au total, 44 transcriptions d’enfants âgés de 7 à 10 ans et d’adolescents âgés de 13 à 16 ans ont été codifiées à l’aide de grilles permettant de catégoriser les types de questions et les types de réponses. Les résultats indiquent que, contrairement aux entrevues conduites avec les enfants, les enquêteurs travaillent plus fréquemment avec les questions suggestives auprès des adolescents et ces derniers fournissent plus de réponses informatives à ce type d’énoncé. Les enquêteurs semblent avoir recours à des pratiques moins optimales avec les adolescents, ce qui pourrait nuire à la qualité du témoignage.
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 | 0.023 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| 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) | 0.010 | 0.002 |
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".