Collaborer pour accompagner les jeunes cumulant des barrières. Étude de la diversité des soutiens intégrés ou wraparound en employabilité au Québec et en Ontario
Bibliographic record
Abstract
Ce rapport analyse les modalités diverses des soutiens intégrés ou « wraparound » en \nemployabilité. Le wraparound est une approche d’intervention qui vise à mettre en \ncommun différents secteurs afin d’offrir une intervention plus globale appréhendant la \ncomplexité de l’individu, au lieu de considérer celui-ci comme une entité sectionnable dont \nles besoins sont perméables. Ce rapport explore quelques modalités de mise en œuvre du \nwraparound dans les mesures d’emploi visant les jeunes, au Québec et en Ontario. Plus \nspécifiquement, les problématiques, la configuration d’acteurs et les services proposés \ncaractérisent-ils et modélisent-ils la mise en œuvre des mesures de wraparound? \nPour l’étudier, ce rapport aborde les problématiques des jeunes et les ressources offertes \npar les prestataires de services ainsi que les stratégies de collaboration des acteurs de la \nmise en œuvre. Le rapport se clôt sur des pistes de recommandations pour les politiques. \nPar le biais d’une recherche réalisée en collaboration par la Chaire-réseau de recherche sur \nla jeunesse du Québec et Emploi et Développement social Canada (Longo, Gaudreau et \nFranke, 2020), une analyse qualitative des entretiens auprès des organismes prestataires \nde services au Québec et en Ontario a été menée. L’étude détermine comment les \nmodalités d’action du wraparound peuvent différer selon les acteurs et les régions. Chaque \norganisme responsable d’offrir des services d’employabilité aux jeunes a mobilisé un ou \ndeux intervenants pour réaliser l’entretien.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.011 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 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".