Minorités sexuelles, Internet et santé
Bibliographic record
Abstract
Les nouvelles technologies de communication, et notamment Internet, ont transformé à la fois les stratégies relationnelles et la transmission et le partage des informations dans toutes les sphères de la vie, incluant le domaine de la santé. Pour les minorités sexuelles qui sont confrontées à de multiples formes de discrimination et de marginalisation, Internet est devenu un puissant moyen de s’organiser, d’informer et d’intervenir dans le champ de la santé. Les associations et organismes communautaires ciblant ces populations proposent aujourd’hui un ensemble de sites et de stratégies de soutien et d’intervention. Ces outils synchrones et asynchrones disponibles en ligne visent l’amélioration de la santé mentale et physique, des relations interpersonnelles et la prévention des ITSS et du VIH/sida. Par contre, les usages qui varient en fonction des populations LGBT peuvent aussi concourir à la prise de risques et à des formes de dépendance. Afin de mieux comprendre les enjeux entourant les usages d’Internet et la santé, cet ouvrage, réalisé grâce à l’appui de l’équipe pancanadienne Sexualités et genres ;: vulnérabilité et résilience (SVR), regroupe les contributions de chercheurs de l’équipe qui ont effectué des travaux sur Internet et la santé ainsi que d’intervenants impliqués dans des organismes communautaires, qui utilisent des sites Internet à des fins de réseautage, de transfert d’informations et d’interventions en ligne dans les contextes québécois et canadien.
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 | 0.001 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.000 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.014 | 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".