Impacts des facteurs historiques et sociaux sur la santé mentale actuelle des Premières Nations du Canada :\nrecherche exploratoire et discussion dâun modèle multifactoriel
Bibliographic record
Abstract
Sur la base d'une recherche exploratoire sur place et d'une analyse de la littérature, le mémoire discute de l'impact potentiel des facteurs historiques et sociaux sur la santé mentale des membres actuels des Premières Nations du Canada. Plus précisément, nous avons créé un modèle multifactoriel incluant des déterminants tels que le nom donné aux Indiens, la situation géographique, l’éducation, l’emploi, l’économie, la santé physique, les premières rencontres Autochtones-Européens effectuées au 16ème siècle, la création des réserves, la disparition massive des Indiens, la tentative de destruction de la culture native, la création des écoles résidentielles, la rafle des années 60 et le post-colonialisme (sous lequel nous avons placé la tutelle canadienne persistante, l’image de l’Indien véhiculé par les médias et un certain racisme encore présent au Canada). Finalement, et résultant des effets potentiellement traumatiques de cette combinaison de facteurs, nous discutons de la possibilité d’un "traumatisme intergénérationnel collectif" à prendre en compte dans l’abord de la question de la santé mentale des Indiens d'aujourd'hui, en articulation avec la prise en compte également essentielle des conceptions natives du bien-être, à intégrer avec soin.
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 | 0.004 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.006 |
| Science and technology studies | 0.005 | 0.005 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 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".