Jeunes filles affiliées aux gangs de rue à Montréal : cheminements et expériences
Bibliographic record
Abstract
La littérature portant sur les gangs de rue semble s’être accrue de façon considérable depuis les deux dernières décennies. Toutefois, malgré l’abondance des recherches qui se sont intéressées à ce phénomène, nous constatons que les écrits scientifiques portant sur la présence et le vécu des filles au sein de ces regroupements se font rares. C’est ainsi que dans le cadre de cette étude, treize entrevues à tendance non directive ont été réalisées auprès d’adolescentes affiliées à un gang de rue, afin de connaître et de comprendre l’expérience qu’elles y vivent, ou qu’elles y ont vécu. Ces entretiens permettent de comprendre le cheminement qui mène à l’affiliation à un gang, de connaître l’expérience qui est vécue au sein du gang, et de comprendre la façon dont se déroule le processus de désaffiliation. Ce rapport de recherche n’a pas la prétention de présenter toutes les dimensions associées à ce phénomène. Toutefois, il permet de mettre en lumière ce qui est, et qui a été vécu par les jeunes filles interrogées et montre que l’expérience de celles-ci mérite que l’on s’y attarde. Déjà, à partir de ces quelques récits généreusement racontés, des pistes d’intervention peuvent être envisagées.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.014 | 0.009 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 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".