Intervenir au Québec auprès des familles en contexte de négligence
Bibliographic record
Abstract
Le Gouvernement du Québec a opté pour un modèle d’intervention dans les situations de négligence basé sur une approche écosystémique. Au-delà de cette orientation gouvernementale, comment les organisations de services concernées mettent-elles en œuvre les composantes de ce modèle d’intervention ? La présente étude vise à situer le modèle québécois parmi les différentes approches qui existent, à décrire ses composantes et à faire état des défis qui accompagnent son actualisation sur le terrain. Elle est basée sur 93 entretiens semi-dirigés réalisés auprès des acteurs (intervenants et parents) de 22 réseaux locaux de services intervenant auprès des enfants en situation de négligence, répartis dans l’ensemble de la province de Québec. Les résultats montrent que l’approche écosystémique fait maintenant partie du discours des intervenants de la protection de l’enfance, des partenaires et même de celui des parents. Cependant, la concrétisation de cette approche soulève deux grands défis : le temps consacré à bâtir les collaborations nécessaires tant avec les familles qu’avec les autres acteurs de la collectivité ; et le besoin des intervenants d’être accompagné afin de bien maîtriser l’approche. Des aménagements dans la structure administrative en place pourraient permettre de mieux reconnaître l’investissement et l’expertise qui sont indispensables afin de bien articuler une démarche écosystémique.
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 | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.009 | 0.004 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".