Les facteurs prédictifs de l’hostilité chez les jeunes dans le contexte de la pandémie de COVID-19
Bibliographic record
Abstract
Cette étude vise à identifier les facteurs prédictifs de l’hostilité, soit le niveau d’agressivité envers les autres, chez les jeunes âgés de 14 à 24 ans en temps de pandémie. Elle repose sur un devis quantitatif découlant de l’étude MAVIPAN, axée sur l’expérience de la pandémie au sein de la population québécoise. Entre mai et juin 2020, 235 jeunes ont répondu à un questionnaire en ligne concernant leur vécu psychosocial. Une régression logistique multinomiale a été réalisée pour prédire leur appartenance aux groupes « non hostiles », « légèrement hostiles » et « hostiles ». Les analyses permettent d’identifier les principaux facteurs prédictifs de l’hostilité. Les jeunes hommes ayant obtenu un score élevé à l’échelle de stress sont notamment plus susceptibles de se retrouver dans le groupe « légèrement hostiles » plutôt que dans celui des « non hostiles ». Pour l’appartenance au groupe « hostiles », le jeune âge, un niveau de stress élevé et la présence d’un sentiment de solitude sont les facteurs qui ressortent de l’étude. Ces résultats sont cohérents avec les écrits scientifiques disponibles, qui identifient un lien entre les comportements hostiles et la détresse vécue par les jeunes dans le contexte de la pandémie.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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".