La méta-analyse au service de la prévention et de l’intervention : concepts, applications et enjeux
Bibliographic record
Abstract
Ce texte passe en revue les éléments d’ordre méthodologique et les enjeux d’ordre conceptuel sous-jacents à l’utilisation d’une méthode de plus en plus populaire de synthèse d’études corrélationnelles et évaluatives, la méta-analyse. Le contexte pour illustrer ces divers éléments en rapport avec la méta-analyse est celui des programmes de prévention et d’intervention auprès d’enfants et d’adolescents présentant des problèmes d’adaptation ou à risque d’en développer. La méta-analyse est présentée comme un outil de synthèse utile pour dégager les programmes les plus prometteurs ainsi que les conditions de réussite ou d’échec les entourant. Elle comporte cependant des éléments statistiques et des limites qu’il importe de connaître pour mieux en apprécier les résultats. Un tableau-synthèse décrit le contenu et les résultats de 19 méta-analyses réalisées dans le domaine de la prévention ou de l’intervention par rapport à diverses problématiques touchant les jeunes en difficulté.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.008 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.002 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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 teacher head, 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".