Explorer la mosaïque : sondage pancanadien sur la pratique fondée sur les données probantes des psychologues
Bibliographic record
Abstract
La santé mentale de la population canadienne s’est grandement détériorée à la suite de la pandémie de la COVID-19 (CMHA, 2024). Bien que ce constat exige l’utilisation judicieuse des traitements les plus efficaces, il existe toujours un gouffre important entre la recherche et les pratiques courantes des psychologues. Il existe peu d’informations sur les facteurs personnels à l'origine de cette résistance, bien qu’un manque d’application de la science en milieu clinique chez divers psychologues canadiens fût documenté à plusieurs reprises. En outre, on en sait peu sur le savoir, les opinions et les habitudes des psychologues d’ici ainsi que l’utilisation de sources informelles d’information en ce qui a trait à la pratique fondée sur les données probantes (PFDP). Les objectifs de cette étude étaient d’explorer les connaissances, les attitudes et les comportements des psychologues du Canada par rapport à la PFDP ainsi que leur utilisation de sources de connaissances informelles. L’échantillon comprend 149 sondages remplis par des psychologues de neuf provinces sur ce qu’ils connaissent, ressentent et emploient en matière de PFDP et leur utilisation de sources informelles d’information selon leurs caractéristiques démographiques, leur langue maternelle, leur éducation, leurs années d’expérience, leur clientèle typique, leur orientation théorique et des permis qu’ils détiennent. Des analyses de variance non paramétriques (Kruskal-Wallis) ont indiqué que les francophones de langue maternelle, les titulaires d'un permis d'exercice au Québec, les diplômés de maîtrise et ceux utilisant l’orientation psychodynamique étaient moins favorables (échelles de Likert) par rapport à la PFDP à certains éléments d’un outil du nom de l’EBP-KABQ (p < 0.05 à p < 0.001). Les psychologues avec un permis québécois consultaient moins fréquemment des sources informelles (non-scientifiques) que ceux sans un permis du Québec (p = 0.003) alors que les francophones de naissance utilisaient ce type d’information moins que les individus bilingues (p = 0.01) et les anglophones (p < 0.001).
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 | 0.023 | 0.045 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.007 | 0.009 |
| Scholarly communication | 0.010 | 0.009 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.015 | 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".