Les déterminants de la consommation d'alcool chez les jeunes : l'influence des traits de personnalité, de l'orientation temporelle et des motivations
Bibliographic record
Abstract
Etiological models of problematic alcohol consumption among Francophone college students : personality, temporality and motivation La question de l'étiologie des déterminants de l'usage d'alcool est importante, notamment auprès des étudiants. Certains déterminants, tels que les motivations à consommer, mènent directement à l'usage, alors que d'autres, tels que les traits de personnalité, influent sur l'usage de manière indirecte. D'autres déterminants, tels que la temporalité, pourraient être des facteurs intermédiaires. Nous faisons l'hypothèse que les traits de personnalité conduisent aux temporalités qui conduisent aux motivations qui donnent lieu à l'usage d'alcool. Méthodes Nous avons inclus 867 étudiants francophones vivant en France (N=389) ou au Québec (N=478). Nous avons administré des mesures d'usage d'alcool, des motivations à consommer, des traits de personnalité et des temporalités. Résultats : D'abord nous avons observé que les traits de personnalité menaient à l'usage d'alcool à travers des motivations spécifiques. Ensuite nous avons observé que les traits mènent aux temporalités et que des temporalités menaient à l'usage car ils influent sur des motivations. La quatrième étude figure des pistes de médiation sérielle qui incluent l'ensemble des niveaux des déterminants. Discussion : Certains traits de personnalité seraient des facteurs de risque, mais surtout parce qu'ils favorisent le développement des motivations. De plus, nous avons éclairci le statut étiologique de la temporalité, à considérer comme une disposition stable et une caractéristique situationnelle. Dernièrement, nous avons trouvé que parfois les trois niveaux de déterminants ne pourraient pas être dissociés, ce qui souligne l'importance de considérer l'ensemble de ces facteurs.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| 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".