Comment tenir compte de la motivation à la prise en charge en milieux de placement ? Réflexions théoriques et opérationnalisation auprès d’une clientèle de mineurs en conflit avec la loi
Bibliographic record
Abstract
Cet article a pour objectif d’introduire et d’examiner le concept de motivation à la prise en charge d’une clientèle de mineurs en conflit avec la loi et placés. Premièrement, nous proposons une réflexion théorique destinée à définir la motivation à la prise en charge, concept que nous distinguons de la motivation au traitement. Dans ce cadre, nous passons en revue les deux principaux modèles théoriques associés à la motivation : la théorie de l’auto-détermination et le modèle transthéorique du changement. Deuxièmement, nous analysons la pertinence de ces modèles appliquée à la prise en charge de jeunes en conflit avec la loi en contexte de placement. Troisièmement, nous discutons plus spécifiquement des facteurs environnementaux gravitant autour de la motivation à la prise en charge : le sentiment perçu de coercition, le climat social et l’alliance thérapeutique. Quatrièmement, nous réalisons une recension des instruments de mesure évaluant les différentes facettes de la motivation de jeunes en conflit avec la loi ainsi que les écueils associés pour mesurer la motivation à la prise en charge. Enfin, nous présentons les enjeux de recherche futurs quant à l’intégration de la motivation à la prise en charge au sein des milieux de placement qui accueillent des jeunes en conflit avec la loi.
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 | 0.014 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| 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".