L'objectif général de ses recherches est de mieux comprendre les aspects sociaux associés au développement de la régulation émotionnelle, cognitive et comportementale de l'enfance à l'âge adulte. Plus récemment, il s'intéresse à l'intégration des approches en apprentissage automatique (machine learning) aux modèles de variables latentes pour des données complexes (hiérarchiques, longitudinales ou séquentielles). Il arbore une perspective multidisciplinaire qui intègre des concepts théoriques provenant de la psychologie développementale et de l'éducation, de la psychiatrie, de la criminologie et de la sociologie. Il a travaillé sur des thématiques dans une perspective biopsychosociale: comportements agressifs, violence et délinquance, dépression et risque suicidaire, ainsi que le décrochage scolaire. De plus, il s'est intéressé aux effets de programme de prévention/intervention provenant de la deuxième et troisième vague des approches cognitivo-comportementales, dont la méditation pleine conscience.

Publication récente: Lacourse, E., Giguére, C.E., & Dupéré, V. (2020). Algorithmes d’apprentissage et modèles statistiques: Un exemple de régression logistique régularisée et de validation croisée pour prédire le décrochage scolaire. Dans M. Corbière & N. Larivière (Eds.), Méthodes qualitatives, quantitatives et mixtes dans la recherche en sciences humaines, sociales et de la santé, 2^e édition. Québec, QC : PUQ. (Chapitre sur SOCArxiv) (Code R annoté sur GitHub)