Validité sociale du RÉSO : un outil d'évaluation des besoins de réinsertion sociale en dépendances
Bibliographic record
Abstract
La validité sociale du RÉSO a été étudiée à partir d’entretiens semi-structurés avec 11 participants de 4 régions du Québec, ayant au moins 6 mois d’expérience avec l’outil. Une analyse thématique a révélé que les 9 motifs d’utilisation du RÉSO et les effets de son utilisation sur les usagers de services sont des indicateurs d’acceptabilité. Des différences dans la manière d’utiliser le RÉSO entre les participants ont influencé l’intégrité dans sa passation et, par conséquent, l’acceptabilité et l’efficacité perçue de l’outil. Une utilisation plus efficace du RÉSO réside dans l’art de préserver une intégrité dans l’application de ses protocoles d’utilisation tout en l’adaptant aux contingences de la pratique. La reconnaissance des limites et des valeurs ajoutées du RÉSO, ainsi que le suivi d’une formation spécialisée, sont essentielles pour une perception exacte de son efficacité. L’acceptabilité du RÉSO était liée aux préférences des participants et à des considérations pratiques. Des recommandations basées sur des critères d’acceptabilité, d’adéquation et d’intégrité ont été émises afin de soutenir une utilisation efficace de l’outil. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : RÉSO, acceptabilité, réinsertion sociale, validité
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 | 0.067 | 0.099 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.005 | 0.006 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.003 | 0.006 |
| Research integrity | 0.001 | 0.002 |
| 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".