Analyse des enjeux de mise en oeuvre du programme BÉRA® pour prévenir la violence sexuelle en milieux universitaires francophones
Bibliographic record
Abstract
Bien que des interventions fondées sur des données probantes existent pour prévenir les violences sexuelles, leur adoption demeure difficile dans certains milieux universitaires. Cette étude a examiné le processus de mise en oeuvre de BÉRA®, un programme de résistance aux violences sexuelles, non adopté par cinq campus universitaires francophones canadiens. L’objectif était d’identifier les enjeux qui ont entravé et qui auraient pu faciliter son déploiement dans ces milieux. Des entretiens semi-directifs ont été menés auprès d’actrices et d’acteurs clés (8 formatrices et 8 représentants et représentantes d’associations étudiantes) à l’aide d’un guide qui tient compte de l’influence du contexte législatif sur la mise en oeuvre. Le Consolidated Framework for Implementation Research -CFIR- a servi de cadre pour l’analyse thématique des données. Les résultats montrent que l’interaction entre le contexte externe, le contexte interne et les caractéristiques du programme a largement contribué au désistement des milieux universitaires. Les enjeux déterminants pour l’adoption incluent les lois et politiques en vigueur, la disponibilité des ressources, l’engagement des personnes clés, les réseaux et communications, la priorité relative accordée au programme, sa compatibilité perçue avec le contexte, son adaptabilité, ses coûts et son avantage relatif. En documentant l’échec d’adoption d’une intervention préventive ciblant les potentielles victimes de violences sexuelles, cette étude montre l’importance de mettre en place les conditions nécessaires au déploiement de telles interventions.
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 | 0.036 | 0.066 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".