Pertinence des messages de prévention et tabagisme : Rapport scientifique circonstancié.
Bibliographic record
Abstract
Le présent rapport scientifique circonstancié sur la pertinence des messages de prévention du tabagisme a été commandé et financé par le Fonds de Prévention du Tabagisme (décision no 06.003409). Le groupe de recherche de Psycholinguistique du département de Psychologie de l’Université de Fribourg travaille essentiellement sur la compréhension de texte, plus spécifiquement sur l’information implicite que les lectrices et lecteurs1 encodent durant la lecture de textes narratifs. L’intérêt du groupe par rapport aux messages de prévention s’est manifesté principalement à la suite du constat de la nécessité d’intégrer des notions de psycholinguistique pour l’élaboration de messages de prévention. En rédigeant ce rapport, nous nous sommes rapidement rendu compte que le domaine était vaste et très complexe. Comme décrit en détail dans le rapport, même si une attention particulière doit être portée aux diverses informations contenues dans les messages de prévention, il ne faut pas sous-estimer le contexte psychologique ainsi que social des personnes concernées. Par ce rapport, nous avons tenté d’apporter des informations utiles aux chercheuses et chercheurs du domaine de la prévention, ainsi qu’aux professionnel-le-s du domaine. Le premier chapitre de ce rapport explore les divers concepts de la psychologie de la santé liés à la prévention du tabagisme. Plusieurs théories et modèles ont tenté d’expliquer les bases individuelles et sociales des comportements de santé. Cette première partie sert donc de base théorique aux différentes recherches présentées dans les parties suivantes. Dans le deuxième chapitre, l’impact de l’image, sujet encore controversé, est traité. Dans plusieurs pays, au Canada et en Australie principalement, divers chercheuses et chercheurs ont étudié l’importance de l’association entre l’image et le texte. Nous relatons, dans ce chapitre, les résultats de ces études, ainsi que les applications qui en découlent. Après s’être penché sur l’aspect graphique du message, le troisième chapitre examine le message lui-même, c’est-à-dire à son contenu et sa formulation. Plusieurs recherches montrent qu’il existe clairement un lien entre la manière de formuler un message et son impact sur le comportement de la lectrice ou du lecteur. Dans le quatrième chapitre, nous traitons les différences individuelles présentes tant au niveau cognitif qu’au niveau social chez tous les individus à qui les messages de prévention sont présentés. Nous explorons les différences spécifiques au traitement de l’information mais également aux différentes influences sociales en action. Le cinquième chapitre établit le lien entre la psycholinguistique et la prévention, en démontrant que la psycholinguistique, principalement au travers des théories sur les modèles mentaux, peuvent apporter de nouvelles informations facilitant le création de messages de prévention. Les trois derniers chapitres présentent des notions plus appliquées quant à la mise en pratique théorique et méthodologique des concepts présentés jusque là. Nous exposons des mesures concernant la recherche dans le sixième chapitre, suivi par un projet de recherche concret ciblé sur les adolescent-e-s dans le septième chapitre. Le dernier chapitre propose un résumé des messages pouvant avoir un impact positif.
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 | 0.010 | 0.038 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.005 | 0.005 |
| Science and technology studies | 0.005 | 0.008 |
| Scholarly communication | 0.010 | 0.012 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.035 | 0.004 |
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".