MétaCan
Menu
Retour à la cohorte
Enregistrement W2341938558 · doi:10.3138/cjccj.2015.e19

Mentorship: A Missing Piece to Manage Juvenile Intensive Supervision Programs and Youth Gangs?

2016· article· en· W2341938558 sur OpenAlexaffvenueabout
Michael Weinrath, Gavin Donatelli, Melanie Janelle Murchison

Notice bibliographique

RevueCanadian Journal of Criminology and Criminal Justice/La Revue canadienne de criminologie et de justice pénale · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCriminal Justice and Corrections Analysis
Établissements canadiensUniversity of Winnipeg
Organismes subventionnairesnon disponible
Mots-clésMentorshipRecidivismPropensity score matchingPsychologyQualitative propertyMatching (statistics)Intervention (counseling)Applied psychologyMedical educationCriminologyMedicinePsychiatryComputer science

Résumé

récupéré en direct d'OpenAlex

Intensive supervision probation (ISP) has proven generally ineffective for youth. In this article we argue that mentorship, an intervention with increasing empirical support in the literature, is a missing treatment component. We test this proposition with results from the Spotlight Serious Offender Services Unit, an urban-based Canadian ISP program that targets high-risk gang youth. Unique to Spotlight is their adoption of street mentors to work with youth in the community. Our study incorporated quantitative and qualitative approaches: client interviews and researcher observation of street mentors coupled with comparison of recidivism outcomes between a comparison group (N = 85) of high-risk young offenders and Spotlight (N = 57) clients, matched via a propensity score matching (PSM) procedure. Spotlight cases did significantly better than the comparison group on all recidivism outcomes examined. Qualitative interview and observation data supported mentorship efficacy. Given the lack of effectiveness of other ISPs observed in the literature, we argue that mentorship makes a difference.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0030,002
Communication savante0,0020,003
Science ouverte0,0020,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,097
Tête enseignante GPT0,318
Écart entre enseignants0,221 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Criminology and Criminal Justice/La Revue canadienne de criminologie et de justice pénaleMême sujetCriminal Justice and Corrections AnalysisTravaux en français237 207