MétaCan
Menu
Retour à la cohorte
Enregistrement W2147178007 · doi:10.1080/13218719.2015.1032950

The Effects of Distributed Learning on Enhanced Cognitive Interview Training

2015· article· en· W2147178007 sur OpenAlexaff
Constance Tamara Heidt, Katherine D. Arbuthnott, Heather L. Price

Notice bibliographique

RevuePsychiatry Psychology and Law · 2015
Typearticle
Langueen
DomainePsychology
ThématiqueDeception detection and forensic psychology
Établissements canadiensUniversity of ReginaCampion CollegeUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésInterviewTraining (meteorology)Session (web analytics)CognitionPsychologyCognitive interviewCognitive trainingMedical educationApplied psychologyMotivational interviewingComputer scienceMedicinePsychiatryIntervention (counseling)World Wide Web

Résumé

récupéré en direct d'OpenAlex

Interview training for police officers is generally limited and, when it occurs, rarely translates into optimal interviews. Training ineffectiveness may be partly due to the structure of the training programme. In the present study, 60 participants received two hours of training on the Enhanced Cognitive Interview (ECI), in either a massed (one two-hour session) or spaced (two one-hour sessions) format. Following training, participants conducted an ECI. Advantages for spaced training were found in open-ended prompt use, perpetrator-specific details elicited from open prompts, and the utilization of two critical ECI components. These results suggest that a simple alteration in training protocols could improve forensic interviewing skills.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,562
Score d'incertitude au seuil0,725

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 recherche0,0000,001
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 Opus0,039
Tête enseignante GPT0,349
Écart entre enseignants0,311 · 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'étudeSans objet
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

Citations13
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePsychiatry Psychology and LawMême sujetDeception detection and forensic psychologyTravaux en français237 207