Les méthodes et enjeux relatifs à l’évaluation du risque de la violence hétérodirigée
Bibliographic record
Abstract
Objectifs Cet article propose un survol des méthodes et outils d’évaluation du risque de violence hétérodirigée et aborde la question de la formulation du risque de violence. Il se termine par un survol des différents enjeux relatifs au développement et à l’implantation de ces outils.Méthode Une analyse critique de la littérature relative aux différentes méthodes et enjeux récents liés à l’évaluation du risque de violence hétérodirigée de clientèles judiciarisées est proposée.Résultats L’évaluation du risque est au coeur des décisions relatives à la prise en charge des auteurs d’infractions qui ont des problèmes de santé mentale. Elle déterminera le niveau de surveillance et d’encadrement, le plan d’intervention, de même que l’accès aux mesures d’élargissement de la peine ou des conditions de détention en milieu hospitalier. Les méthodes et outils utilisés pour renseigner les professionnels de la santé et de la sécurité publiques sont nombreux. Ces outils ont beaucoup évolué, tant en ce qui concerne les thèmes considérés, que les méthodes d’évaluation, les stratégies combinatoires ayant une plus grande sensibilité aux enjeux liés aux victimes de violence et les moyens permettant une meilleure communication du risque de violence. Outre une meilleure compréhension de l’interface entre les facteurs de risque et de protection, des efforts devront être maintenant déployés afin de bonifier les connaissances à propos de l’exercice de formulation du risque. Cette étape invitera de plus en plus le professionnel à aller au-delà de la description de ce qui est déjà connu de l’individu et à dégager des énoncés concis sur la nature et l’étiologie de la violence. La formulation de risque devrait permettre d’améliorer la compréhension de la dynamique délictuelle de l’individu en permettant d’intégrer à la fois des facteurs de risque et facteurs de protection et planifier des scénarios de violence future qui faciliteraient, à leur tour, l’identification de stratégies de gestion du risque plus efficaces.Conclusion Si l’évaluation structurée du risque et des besoins des auteurs d’infractions qui ont des problèmes de santé mentale est de plus en plus pratique courante chez les professionnels, plusieurs enjeux d’ordre méthodologique et d’implantation dans différents milieux de pratique demeurent. Malgré le fait que ces enjeux méritent une discussion plus approfondie basée sur plus des données empiriques, leur contribution au plan de la réduction du risque de violence et du travail menant à une réintégration sociale réussie des personnes évaluées est indéniable.
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 | 0.224 | 0.293 |
| Meta-epidemiology (narrow) | 0.003 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.009 | 0.007 |
| Science and technology studies | 0.005 | 0.009 |
| Scholarly communication | 0.013 | 0.006 |
| Open science | 0.004 | 0.007 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.014 | 0.003 |
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".