MétaCan
Menu
Retour à la cohorte
Enregistrement W2898324648 · doi:10.11144/javeriana.umed59-4.infr

Mental Health in the Attention Models for Juvenile Offenders. The Cases of Colombia, Argentina, United States and Canada

2018· article· en· W2898324648 sur OpenAlexaboutno aff
Angelica Tórres Quintero, Juliana Villanueva, Maria Camila Jaramillo Bernal, Esteban Sotomayor Carreño, Catherine Gutiérrez Congote

Notice bibliographique

RevueUniversitas Médica · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCriminal Justice and Corrections Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésJuvenile delinquencyPunitive damagesCriminologyMental healthCriminal justicePsychological interventionJuvenilePopulationEconomic JusticePolitical sciencePunishment (psychology)Latin AmericansIntervention (counseling)PsychologyIndigenousPsychiatryMedicineSocial psychologyEnvironmental healthLaw

Résumé

récupéré en direct d'OpenAlex

Abstract
 Objective: To investigate how mental health is understood and approached in the attention models of detention centers for the convicted underage population in Argentina, Colombia, United States and Canada. Methodology: A literature search was conducted using the following key words: adolescence, mental health, juvenile justice, juvenile delinquency, risk factors, and interventions. Searches were done through the search engine Pubmed. Additionally, public institution websites for each country were consulted. Conclusions: Juvenile delinquency is now understood as a multi-factorial phenomenon with multiple areas of intervention within which economic, domestic and social factors are considered relevant, since these favor the development of criminal behavior. A similarity was found between Colombian and Argentinian systems; both are based on restorative justice that seeks reparation and not punishment; which is why there are no punitive measures. When comparing Canada and the United States, it can be seen that Canada is more similar to Latin-American countries than to the United States, given that the latter uses punitive measures focused on the offender.
 

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)0,000
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: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,649
Score d'incertitude au seuil0,610

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,028
Tête enseignante GPT0,277
Écart entre enseignants0,249 · 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'étudeQualitatif
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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUniversitas MédicaMême sujetCriminal Justice and Corrections AnalysisTravaux en français237 207