La responsabilisation des auteurs de violence conjugale
Bibliographic record
Abstract
Au Québec et ailleurs, la responsabilisation des auteurs de violence conjugale (AV) compte parmi les principes-clés des actions visant à contrer la violence conjugale. Un des objectifs des programmes destinés aux auteurs de violence consiste d’ailleurs à les amener à reconnaître leur violence et ses conséquences et à en accepter la pleine responsabilité. L’identification des meilleures pratiques pour ce faire reste cependant à réaliser. Avec l’objectif de cerner les principales dimensions de la responsabilisation et de dégager des meilleures pratiques, une recherche-action, s’appuyant sur les savoirs d’expérience, a été réalisée avec des organismes québécois offrant des programmes pour les auteurs de violence conjugale. Quatre groupes de discussion, dix entrevues individuelles et des observations dans trois organismes ont été réalisés. Les résultats amènent à conceptualiser la responsabilisation comme un processus comprenant cinq dimensions principales, à rendre compte d’une trentaine d’interventions permettant de les travailler avec les auteurs de violence et à cibler certains défis. Ces résultats sont discutés en considération de l’environnement sociopénal dans lequel le travail clinique auprès des AV s’inscrit, de même qu’en considération d’une perspective à la fois rétrospective, centrée sur les gestes passés, et prospective, tournée vers un projet de vie sans violence.
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 | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.013 | 0.006 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.016 | 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".