Impact of risk assessment instruments on rates of pretrial detention, postconviction placements, and release: A systematic review and meta-analysis.
Notice bibliographique
Résumé
OBJECTIVES: Many agencies use risk assessment instruments to guide decisions about pretrial detention, postconviction incarceration, and release from custody. Although some policymakers believe that these tools might reduce overincarceration and recidivism rates, others are concerned that they may exacerbate racial and ethnic disparities in placements. The objective of this systematic review was to test these assertions. HYPOTHESES: It was hypothesized that the adoption of tools might slightly decrease incarceration rates, and that impact on disparities might vary by tool and context. METHOD: Published and unpublished studies were identified by searching 13 databases, reviewing reference lists, and contacting experts. In total, 22 studies met inclusion criteria; these studies included 1,444,499 adolescents and adults who were accused or convicted of a crime. Each study was coded by 2 independent raters using a data extraction form and a risk of bias tool. Results were aggregated using both a narrative approach and meta-analyses. RESULTS: = .020). However, after removing studies with a high risk of bias, the results were no longer significant. CONCLUSIONS: Although risk assessment tools might help to reduce restrictive placements, the strength of this evidence is low. Furthermore, because of a lack of research, it is unclear how tools impact racial and ethnic disparities in placements. As such, future research is needed. (PsycINFO Database Record (c) 2019 APA, all rights reserved).
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».