MétaCan
Menu
Retour à la cohorte
Enregistrement W2077266537 · doi:10.1108/13639511311329723

Improving police training from a cognitive load perspective

2013· article· en· W2077266537 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevuePolicing An International Journal · 2013
Typearticle
Langueen
DomainePsychology
ThématiqueVisual and Cognitive Learning Processes
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésPerspective (graphical)OriginalityInstructional designTraining (meteorology)Computer scienceTransferabilityCognitive loadTransfer of trainingValue (mathematics)Domain (mathematical analysis)CognitionLearning theoryKnowledge managementMathematics educationPsychologyArtificial intelligenceMultimediaSocial psychologyMachine learning

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to present a theoretical framework, which describes how police training programs can be developed in order to improve learning retention and the transfer of skills to the work environment. Design/methodology/approach A brief review is provided that describes training strategies stemming from Cognitive Load Theory (CLT), a well‐established theory of instructional design. This is followed by concrete examples of how to incorporate these strategies into police training programs. Findings The research reviewed in this paper consistently demonstrates that CLT‐informed training improves learning when compared to conventional training approaches and enhances the transferability of skills. Originality/value Rarely have well‐validated theories of instructional design, such as CLT, been applied specifically to police training. Thus, this paper is valuable to instructional designers because it provides an evidence‐based approach to training development in the policing domain.

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.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,749
Score d'incertitude au seuil1,000

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 technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,051
Tête enseignante GPT0,399
Écart entre enseignants0,348 · 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