An Analysis of General Public and Professional's Attitudes about Mental Health Courts: Predictors of a Positive Perspective
Notice bibliographique
Résumé
Little research has been conducted on the public perception of mental health courts (MHCs) despite its potential to influence government support and funding. To measure public and professionals’ opinions about MHCs, self-report attitude measures were administered online to members of the general public ( n = 272) and professional groups with previous employment-related exposure to persons with mental health issues ( n = 237). Over 86% of the professional exposure sample had positive attitudes towards MHCs, whereas only 4% reported negative opinions. Approximately 70% of professionals supported government funding for a MHC in their community and 57% agreed even if this led to a tax increase. The public sample was also generally positive in their opinions, and only 3% reported negative opinions. Approximately 80% of public sample reported that they would support or strongly support government funding for a MHC in their community, and 58% would support it even if it led to a tax increase. Positive attitudes were predicted by prior knowledge of MHCs, older age, exposure to mental-health coursework, psychological openness, positive help-seeking attitudes, and positive attitudes towards mental illness in general. These patterns were similar, but varying in degree, for those with and without employment-related exposure to mental illness. Education about the effect of a specific MHC led to significant changes in the proportion of favourable opinions. Thus, public perception of MHCs ranged from neutral to positive and can be enhanced through education.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
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 ».