Prise en compte du trauma lors du suivi des jeunes contrevenants placés sous la LSJPA : effets sur la récidive
Bibliographic record
Abstract
Les expériences potentiellement traumatiques vécues durant l’enfance (Adverse Childhood Experiences : ACE) sont fréquentes chez les jeunes contrevenants (JC) (Abram et al., 2004 ; Lafortune et al., 2015). Dans un objectif de réduction de la récidive, la réadaptation des JC doit être adaptée à leurs besoins et particularités. Récemment, l’importance de considérer les ACEs a été soulignée (Brend et al., 2022 ; MSSS, 2023). Basée sur une méthode mixte, cette recherche fait l’analyse croisée des dossiers cliniques et notes de suivi de 107 JC à partir de données colligées lors d’une période où l’importance des ACEs n’était pas encore reconnue au Québec. Les objectifs sont de : (1) documenter la prévalence d’ACEs et leur prise en compte lors du suivi ; (2) étudier les relations entre les principales variables prédictives de la criminalité, la présence d’ACE et leurs mentions lors du le suivi ; (3) examiner si la présence d’ACE et leur prise en compte lors du suivi permettent de prédire la récidive, au-delà des principales variables prédictives de la criminalité. Les résultats démontrent que la plupart des participants ont vécu au moins un ACE (n =72), et que dans la majorité des cas, ces ACEs n’ont pas été pris en compte au cours du suivi. Bien que la victimisation physique soit associée à un plus haut risque de récidive, les ACEs et leur prise en considération au cours du suivi n’ont pas permis de prédire significativement la récidive au-delà des variables prédictives de la criminalité. Des recommandations sont ensuite discutées.
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 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 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".