Réseau de collaboration intersectorielle en violence entre partenaires intimes
Bibliographic record
Abstract
Cette étude qualitative documente l’émergence et la mise en oeuvre d’une action intersectorielle locale pour faire face au problème complexe de violence entre partenaires intimes. Concrètement, nous analysons le déploiement d’un Plan d’action collectif en matière de violence conjugale et de violence dans les relations intimes chez les jeunes à Montréal-Nord 2022-2027, élaboré entre 2020 et 2021 par des acteur·rices appartenant à des organismes communautaires et à des organisations publiques oeuvrant sur le territoire. Notre analyse s’inspire de la théorie de l’acteur-réseau et repose sur une étude de cas. Cet article s’insère dans une étude plus large. Nous présentons ici les sources de données suivantes provenant : de 17 entretiens individuels et de l’observation participante (environ 60 heures). Les résultats montrent que certaines conditions ont favorisé l’émergence et le développement de la collaboration, et d’autres l’ont entravé. Des controverses de diverses natures renvoyant à des rapports de pouvoir et à des positions identitaires des acteur·rices constituent des enjeux à prendre en considération. Le rôle de la recherche est souligné et considéré comme un acteur (actant) exerçant une influence dans ce réseau sociotechnique. Des implications pratiques sont proposées.
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 | 0.011 | 0.019 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.014 | 0.017 |
| Scholarly communication | 0.009 | 0.005 |
| Open science | 0.002 | 0.014 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.008 | 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".