Bibliographic record
Abstract
Le service policier d’une MRC rurale québécoise a élaboré et implanté son propre programme en violence conjugale, intitulé MAINtenant ensemble dont l’objectif général est de contrer et de mieux répondre à la violence conjugale sur son vaste territoire. Une évaluation de l’implantation du programme a été réalisée après la première année, en partenariat avec l’Université du Québec en Outaouais. Le devis choisi est celui d’évaluation d’un cas adoptant une méthodologie mixte intégrée (majeure qualitative complétée avec données quantitatives) réalisée notamment par le biais d’observations non participantes et la conduction de cinq groupes de discussion regroupant les différentes parties prenantes du projet. Les résultats indiquent que, malgré certaines réticences initiales au changement des pratiques au sein du poste, le projet est maintenant généralement apprécié, voire une source de fierté. L’équipe spécialisée en violence conjugale, un important pilier du projet, effectue un travail de sensibilisation au poste, en se montrant disponible pour les questionnements des collègues et en les soutenant dans leurs interventions. Les principaux défis du projet résident pour leur part en la capacité à actualiser tous les volets du programme en raison des ressources limitées. Nous discuterons de ces résultats en termes de portée et de limites de ce type d’innovation sociale et proposerons quelques recommandations à cet effet.
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 | 0.030 | 0.045 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.010 | 0.015 |
| Scholarly communication | 0.012 | 0.005 |
| Open science | 0.003 | 0.011 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.037 | 0.005 |
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".