Can cognitive maps provide insight into women who hurt their children?
Notice bibliographique
Résumé
Efforts to organize information relative to complex, multifaceted issues such as fatal and nonfatal child abuse can be daunting but are essential to the development of adequate strategies for recognition of at-risk mothers and, ultimately, for prevention-focused interventions. The purpose of this exploratory descriptive pilot study using quantitative and qualitative techniques was to determine what constellation of antecedents broadly categorized as vulnerabilities and triggers may be associated with fatal or nonfatal abuse from the viewpoint of the mother/perpetrator. Due to challenges in accessing the study population, a convenience sample of 88 women incarcerated for fatal and nonfatal abuse was drawn from four women’s prisons in three Southwestern United States. A structured questionnaire consisting of 68 paired comparisons was administered to participants. Participants rated the vulnerabilities and triggers for dissimilarity and ranked their relative importance. Priority ratings were obtained from responses to content analysis questions. Multidimensional scaling (MDS) and clustering methodologies were used to generate cognitive maps of the concepts in relation to one another. The two groups shared common underlying structures consisting of three disparate clusters, “Family Intimacy”, “Negative Emotion”, and “Abuse”. They diverged in vulnerabilities and triggers that had the most profound impact on their thinking and behavior. Both groups had a similar underlying structure for antecedents to these crimes, but evaluative responses showed differences between women convicted of fatal versus nonfatal abuse.
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 | 0,001 | 0,003 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».