L’abus physique avec ou sans autres formes de mauvais traitements : deux réalités ?
Bibliographic record
Abstract
Il est rare de retrouver des recherches qui nous renseignent sur le phénomène des mauvais traitements multiples. Or, ce phénomène serait relativement fréquent parmi les enfants maltraités. La présente recherche vise à préciser le profil des cas d’abus physique signalés aux services de protection canadiens, selon qu’ils se présentent seuls ou qu’ils s’accompagnent d’autres formes de mauvais traitements. Les données utilisées sont tirées de l’Étude canadienne sur l’incidence des signalements de cas de violence et de négligence envers les enfants – 2003 (ÉIC) qui a documenté 11 562 signalements retenus par un échantillon représentatif de 63 services de protection de la jeunesse au Canada à l’automne 2003. Parmi ces signalements, on dénombre 658 enfants victimes d’abus physique. De ce nombre, 217 (33%) ont subi une ou deux autres formes de mauvais traitements en sus de l’abus physique. Le questionnaire d’enquête fournit de l’information sur une cinquantaine de caractéristiques ayant trait aux enfants signalés, à leurs familles, à leurs figures parentales et aux mauvais traitements. Les résultats univariés et multivariés indiquent que le profil des enfants abusés physiquement est différent selon que l’abus physique se présente seul ou selon qu’il s’accompagne d’autres formes de mauvais traitements. Les implications pratiques des résultats sont discutées.
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 | 0.013 | 0.044 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.003 | 0.011 |
| Scholarly communication | 0.007 | 0.013 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.004 | 0.004 |
| Insufficient payload (model declined to judge) | 0.008 | 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".