Notice bibliographique
Résumé
Drug offenders account for nearly 20% of state prison inmates, almost half of federal inmates, and a quarter of those on probation (Carson & Sabol, 2012; Maruschak & Parks, 2012). National estimates indicate that over half of drug offenders are rearrested within 3 years of release from prison (Langan & Levin, 2002). This points to the need to provide treatment to those with substance use problems, yet relatively few receive treatment while in prison (Mumola & Karberg, 2006). Federal, state, and local agencies must do a better job of identifying those in need of treatment and of providing effective interventions aimed at substance use. Many of the articles in this issue of the International Journal of Offender Therapy and Comparative Criminology have implications for substance use treatment. The Diagnostic and Statistical Manual of Mental Disorders (5th ed.; DSM-5; American Psychiatric Association [APA], 2013) included a number of revisions to the diagnostic criteria, including criteria for substance related disorders. Whereas the DSM-IV (4th ed.; APA, 1994) treated substance abuse and dependence as two disorders, the DSM-5 combines these into one category, substance use disorder, and revised the criteria for moderate and severe substance use disorder. Kopak, Metze, and Hoffman examine the impact of the revisions by comparing diagnoses under both DSM-IV and DSM-5 guidelines as they relate to alcohol use disorder. Understanding the impact of the new guidelines is important as they have implications for the nature of substance use treatment. Many drug offenders receive treatment services in the community. Drug treatment courts (DTC) are estimated to serve over 100,000 participants at any given time in the United States (Huddleston & Marlowe, 2011). There is ample research to suggest DTC can reduce recidivism, but more research is needed to know when and how drug courts work best, both in the United States and elsewhere (Mitchell, Wilson, Eggers, & MacKenzie, 2012; Shaffer, 2011). Somers, Rezansoff, and Moniruzzaman explore the predictors of success in a Canadian DTC. Using recidivism as an outcome measure, they examine the effectiveness of the program across a number of sub-groups. This is
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,003 |
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 ».