Politique visant à prévenir et combattre les violences à caractère sexuel
Bibliographic record
Abstract
Révision linguistique-Mme Julie Pelland, technicienne en travaux pratiques, CAF Longueuil.Ce texte s'inspire du Guide d'accompagnement destiné aux établissements d'enseignement supérieur du ministère de l'Éducation et de l'Enseignement supérieur (2018), du Gabarit de Politique visant à prévenir et combattre les violences à caractère sexuel dans les Collèges de la Fédération des cégeps (version du 25 mai 2018), de la Politique pour un milieu d'études et de travail exempt de harcèlement et de violence du cégep Édouard-Montpetit (2010) ainsi que des documents et politiques provenant de l'Université de Moncton (2017), de l'Université d'Ottawa (2016), du Collège John Abbott (2017) et de la Ryerson University (2016).Exceptionnellement, la présente politique est rédigée de façon inclusive et non pas sous la forme épicène qui est de mise dans toutes les politiques du Cégep adoptées par le Conseil d'administration de notre établissement.Cette forme inclusive ne représente pas la nouvelle norme, mais une manière de rejoindre l'ensemble des membres de la communauté collégiale, peu importe leur identité sexuelle et de genre en utilisant le point médian. Révision de la PolitiqueAu moins une fois tous les cinq (5) ans, le Cégep révise la présente Politique.
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 | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.007 | 0.004 |
| Scholarly communication | 0.005 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.026 | 0.003 |
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".