L'acquisition de bonnes pratiques méditatives grâce à la littérature pour enfants
Bibliographic record
Abstract
En 2024, il va sans dire que l’anxiété et la dépression sont des troubles très fréquents au Québec et ailleurs dans le monde. D’ailleurs, selon une étude parue en 2017, uniquement chez les jeunes, le taux de prévalence à travers le monde d’un trouble anxieux était minimalement de 2,2 % à 9,5 % et il apparaissait à un âge précoce, soit vers 11 ans (Piché et al., 2017). Précisons que la pandémie de COVID-19 a eu également des impacts importants sur la santé mentale et physique des enfants et des adolescent·e·s (INESSS, 2020). Il nous semble donc évident que le monde entier doit se pencher plus sérieusement sur la prévention des troubles anxieux chez les jeunes. Pour ce faire, nous considérons que la littérature pour enfants peut certainement prévenir la maladie mentale, puisque plusieurs ouvrages proposent des techniques de gestion des émotions et de relaxation aux jeunes. Dans cette étude, nous nous centrerons sur l’œuvre jeunesse québécoise intitulée Mon premier livre de méditation, parue en 2016 aux Éditions Dominique et compagnie, dans la collection Zen. Cette œuvre de l’autrice Dominique Dumont et de l’illustratrice Isabelle Charbonneau permet, selon nous, de développer chez les enfants des compétences en méditation tout en les amusant. Elle peut donc être considérée comme l’un des moyens de prévention de l’anxiété, car elle met en avant des techniques de méditation recommandées par Jon Kabat-Zinn, qui est nul autre que l’inventeur de la méditation en pleine conscience. Pour le démontrer, nous soulignerons tout d’abord quelques initiatives littéraires québécoises en matière de prévention de la maladie mentale chez les jeunes. Ensuite, nous donnerons un aperçu de l’objectif des différents livres de la collection Zen. Pour finir, nous ferons une analyse de Mon premier livre de méditation en mettant en évidence deux des pratiques méditatives suggérées par Kabat-Zinn.
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 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.018 | 0.002 |
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".