Favoriser l’autonomie après l’incarcération : exploration des besoins et des services offerts auprès des anciens détenus fédéraux
Bibliographic record
Abstract
AvertissementL'auteur de ce mémoire, de cette thèse ou de cet essai a autorisé l'Université du Québec à Trois-Rivières à diffuser, à des fins non lucratives, une copie de son mémoire, de sa thèse ou de son essai.Cette diffusion n'entraîne pas une renonciation de la part de l'auteur à ses droits de propriété intellectuelle, incluant le droit d'auteur, sur ce mémoire, cette thèse ou cet essai.Notamment, la reproduction ou la publication de la totalité ou d'une partie importante de ce mémoire, de cette thèse et de son essai requiert son autorisation.Ce projet de maîtrise n'aurait pu être réalisé sans l'appui et l'engagement de plusieurs personnes qui m'ont accompagnée tout au long du processus.Il m'est important de reconnaître leur contribution en prenant le temps de les remercier.Je tiens d'abord à exprimer ma gratitude envers les participantes et participants de ce projet.La confiance que vous m'avez accordée en partageant votre vécu et votre expertise est d'une valeur inestimable.Vos témoignages ont renforcé ma confiance en ce projet et confirmé la pertinence d'aborder un sujet trop souvent mis de côté.Je souhaite ensuite remercier mon directeur d'essai, Mathieu Dumont, professeur au Département d'ergothérapie de l'Université du Québec à Trois-Rivières, pour son accompagnement, sa disponibilité, sa bienveillance et la qualité de ses rétroactions.Son soutien constant et sa confiance ont grandement contribué à la réalisation de cet essai.Mes remerciements vont également à Myriam Chrétien-Vincent, professeure au Département d'ergothérapie de l'UQTR, qui m'a permis d'explorer mon intérêt pour la recherche qualitative et m'a offert des outils essentiels à la réalisation de ce projet.Je tiens aussi à remercier mes parents, dont l'encouragement, la patience et la présence ont été essentiels tout au long de ce parcours.Leur soutien a été une source de motivation précieuse.Enfin, un immense merci à mes amies de la cohorte 2025, avec qui j'ai partagé de nombreuses heures de rédaction.Leur écoute, leur humour et leur solidarité ont rendu cette étape exigeante plus légère et profondément humaine.Je suis reconnaissante d'avoir pu traverser cette épreuve à leurs côtés.
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 | 0.006 | 0.011 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.014 | 0.006 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.016 | 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".