The Legacy of D. A. Andrews in the Field of Criminal Justice: How Theory and Research Can Change Policy and Practice
Notice bibliographique
Résumé
Donald Andrews’ overarching goal in the field of criminal justice was to assist offenders in changing their antisocial behavior. His means of doing so was to assist criminal justice agencies and their practitioners by changing the manner by which they worked with offenders. Beginning with the principles of differential association and social learning theory, Andrews crafted his own version of the psychology of criminal conduct (PCC). As a result of PCC, terms like “criminogenic needs” and “risk-need-responsivity” (RNR), which he coined and then researched extensively, have become commonplace in the lexicon of corrections. But that is only the beginning of his legacy. Translating theory to practice and then implementing it in countless criminal justice agencies represents his second monumental contribution to correctional and forensic psychology. The tools he developed were vital to his linking assessment with intervention and his translating theory and research to policy and practice. He also insisted that these efforts be conducted in a humane and just manner.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,077 | 0,083 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,011 | 0,081 |
| Communication savante | 0,024 | 0,031 |
| Science ouverte | 0,003 | 0,010 |
| Intégrité de la recherche | 0,012 | 0,030 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».