MétaCan
Menu
Retour à la cohorte
Enregistrement W1988923406 · doi:10.1080/10683160802385398

The effects of different paraphrasing styles on the quality of reports from young child witnesses

2009· article· en· W1988923406 sur OpenAlexaff
Angela D. Evans, Kim P. Roberts

Notice bibliographique

RevuePsychology Crime and Law · 2009
Typearticle
Langueen
DomaineNeuroscience
ThématiqueMemory Processes and Influences
Établissements canadiensWilfrid Laurier UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPsychologyInterviewTone (literature)Quality (philosophy)AggressionScale (ratio)Social psychologyCompromiseChild sexual abuseDevelopmental psychologySexual abuseHuman factors and ergonomicsPoison control

Résumé

récupéré en direct d'OpenAlex

Abstract Young children's descriptions of sexual abuse are often sparse thus creating the need for techniques that elicit lengthier accounts. ‘Paraphrasing’, or repeating information children have just disclosed, is a technique sometimes used by forensic interviewers to clarify or elicit information (e.g. if a child stated ‘He touched me’, an interviewer could respond ‘He touched you?’). However, the effects of paraphrasing have yet to be scientifically assessed. The impact of different paraphrasing styles on young children's reports was investigated. Overall, paraphrasing per se did not improve the length, richness, or accuracy of reports when compared to open-ended prompts such as ‘tell me more’, but some styles of paraphrasing were more beneficial than others. The results provide clear recommendations for investigative interviewers about how to use paraphrasing appropriately, and which practices can compromise the quality of children's reports. Keywords: child eyewitnesschild witnesschildren's memoryinterviewinginvestigative Notes 1. Five interviews from each paraphrasing condition, in each study, were independently coded for interviewer aggressiveness (on a scale of 1–5) and challenging tone (on a scale of 1–5). In general, interviewers were considered to be very low in aggression (Experiment 1: Ms = 1.04, 1.044, SDs = 0.04, 0.05, for the yes/no-paraphrasing and expansion-paraphrasing condition, respectively; Experiment 2: Ms = 1.25, 1.30, SDs = 0.10, 0.20, for the expansion-paraphrasing and paraphrasing-only condition, respectively) and challenging tone (Experiment 1: Ms = 1.03, 1.04, SDs = 0.04, 0.05, for the yes/no-paraphrasing and expansion-paraphrasing condition, respectively; Experiment 2: Ms = 1.23, 1.18, SDs = 0.20, 0.12, for the expansion-paraphrasing and paraphrasing-only condition, respectively). Thus, there were no differences across condition, ts < 0.50, all NS. 2. The finding that children provided fewer inaccurate details after yes/no paraphrases than expansion paraphrases could also be explained by a ‘yes bias’. Some researchers have noted that children's tendency to reply with a yes bias may increase children's accuracy to yes/no questions if the correct response is ‘yes’ (Peterson, Dowden, & Tobin, Citation1999; Steffensen, Citation1978). Given that in the present study children's responses were for the most part accurately paraphrased, the correct response to yes/no paraphrases would indeed be ‘yes’. Thus, a yes bias may help explain why children's responses contained a greater number of inaccurate details after expansion paraphrases than yes/no paraphrases. Since children in the yes/no paraphrasing condition were likely to give a simple ‘yes’ response (which would most often be coded as accurate) while children in the expansion paraphrase condition gave additional details (which could be coded as accurate or inaccurate), children in the expansion paraphrase condition provided both more accurate and inaccurate details.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,349
Score d'incertitude au seuil0,199

Scores Codex et Gemma par catégorie

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

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 Opus0,042
Tête enseignante GPT0,354
Écart entre enseignants0,312 · 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'étudeExpérimental (laboratoire)
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

Citations10
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePsychology Crime and LawMême sujetMemory Processes and InfluencesTravaux en français237 207