Les stratégies d'adaptation des filles victimes d'agression sexuelle : influences parentales et familiales
Bibliographic record
Abstract
Les taux de prévalence et d'incidence des agressions sexuelles ainsi que leurs multiples conséquences justifient les nombreuses études portant sur cette problématique. Ainsi, plusieurs s'intéressent aux variables qui favorisent le meilleur ajustement possible des victimes. Parmi ces variables, les stratégies d'adaptation ressortent comme ayant un impact significatif. Le présent mémoire s ‘insère dans ce courant de recherche afin de mettre en lumière les mécanismes qui favorisent l'émergence de stratégies d'adaptation efficaces. Les variables liées au contexte familial et aux stratégies utilisées par les parents sont rapportées comme pouvant influencer les stratégies adoptées par les jeunes. Les stratégies d'adaptation de 90 victimes d'agression sexuelle, celles de leur parent ainsi que Sa qualité de l'environnement familial ont été analysées afin de déterminer dans quelle mesure les stratégies d'adaptation des filles victimes d'agression sexuelle sont en lien avec les stratégies d'adaptation de leurs parents. Les résultats indiquent que les stratégies utilisées par le parent ainsi que la qualité de l'environnement familial sont liées à l'utilisation de certaines stratégies dont la recherche de soutien social, la cote globale des stratégies d'approche, l'externalisation et l'évitement.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 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".