Abus et violence vécus par les jeunes trans et non binaires au Québec
Bibliographic record
Abstract
Les jeunes s’identifiant comme étant des personnes trans ou non binaires (TNB) sont exposé·e·s au risque de vivre différentes formes de discrimination, d’abus et de violence de la part des membres de leur famille ou de leur entourage. Cet article a pour but de : 1) faire un portrait des jeunes TNB ayant vécu un ou des types d’abus ; 2) cerner le contexte particulier de cette violence et de ses répercussions sur le bien-être des jeunes TNB. Les données ont été recueillies dans le cadre de « l’Enquête canadienne sur la santé des jeunes trans et non binaires » (ECSJT) menée au pays en 2019. L’échantillon est composé de 220 jeunes TNB âgé·e·s de 14 à 25 ans résidant dans la province de Québec. Des analyses de Test T et Chi carré ont été menées. Elles montrent que près de la moitié de l’échantillon a subi des violences sexuelles (44,1 %) et près de 20 % de l’échantillon a été blessé physiquement par un membre de la famille, phénomène plus fréquemment rencontré chez les 14 à 17 ans (34,2 %) que chez les 18 à 25 ans (14,6 %). En contrôlant pour l’âge, il y avait une association significative entre les liens familiaux et les chances d’être victime (p <.001) ou d’avoir été témoin (p =.03) de violences impliquant un·e membre de la famille. Les résultats de l’enquête en ligne sont cohérents avec les différentes études soulignant les abus et la violence vécus par les jeunes des minorités sexuelles.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.006 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
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".