Double Jeopardy: Risk Assessment in the Context of Child Maltreatment and Domestic Violence
Notice bibliographique
Résumé
Investigations of child maltreatment often involve domestic violence, but there is little guidance about how to properly assess risk in such cases. Empirically validated risk assessment tools have been used successfully in childwelfare and, to a lesser extent, in cases involving domestic violence, but these have generally not been utilized in tandem. Using the allegation of child maltreatment as the entry point for services, this paper proposes a nested risk assessment framework whereby risk of both child maltreatment and domestic violence are considered simultaneously using two different standardized instruments. [Brief Treatment and Crisis Intervention 7:253–274 (2007)] KEY WORDS: child abuse, domestic violence, risk assessment. Responding to child maltreatment (CM) is far more complicated than keeping children ‘‘safe’’ or ‘‘protected’ ’ from their own parents. The twin goals of safety and permanence imply that caseworkers must consider both the safety and ultimate well-being of the child. That is, at each decision point, caseworkers must weigh the po-tential for harm if nothing is done (i.e., leaving the child in a potentially abusive home) with the risk that intrusive actions aimed at child protection will, ultimately, prove to be harmful (i.e., unnecessarily separating a child from their parent). This is no simple equation and the stakes are high. Yet the combination of severe consequences, the inherent difficulty of mak-ing accurate assessments, and differences in skill levels among Children’s Protective Serv-ices (CPS) workers is a set-up for unreliable case
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».