MétaCan
Menu
Retour à la cohorte
Enregistrement W1519571172 · doi:10.1111/1745-9133.12136

Pathways to Prison in New York State

2015· article· en· W1519571172 sur OpenAlexaboutno aff
Sarah Tahamont, Shi Yan, Shawn D. Bushway, Jing Liu

Notice bibliographique

RevueCriminology & Public Policy · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCriminal Justice and Corrections Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPrisonImprisonmentCriminal justiceQuarter (Canadian coin)CriminologySample (material)Psychological interventionEconomic JusticeIntervention (counseling)PsychologyState (computer science)Political sciencePsychiatryLawComputer scienceGeography

Résumé

récupéré en direct d'OpenAlex

Research Summary In this study, we use a novel application of group‐based trajectory modeling to estimate pathways to prison for a sample of 13,769 first‐time prison inmates in New York State. We found that 12% of the sample was heavily involved in the criminal justice system for 10 years prior to their first imprisonment. We also found that less than one quarter of the sample had little contact with the criminal justice system prior to the arrest that resulted in imprisonment. Policy Implications Slightly less than one quarter of first‐time inmates are not known to the criminal justice system prior to the commitment arrest. For these inmates, crime‐prevention interventions that identify participants through criminal justice processes will not be effective. However, the arrest rates for a substantial portion of the sample over the 10‐year period before imprisonment suggest a staggering number of opportunities for intervention as these individuals churn through the system.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,673
Score d'incertitude au seuil0,895

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,237
Tête enseignante GPT0,372
Écart entre enseignants0,135 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCriminology & Public PolicyMême sujetCriminal Justice and Corrections AnalysisTravaux en français237 207