MétaCan
Menu
Retour à la cohorte
Enregistrement W2984778921 · doi:10.1002/acp.3616

The influence of an emotional processing strategy on visual threat detection by police trainees and officers

2019· article· en· W2984778921 sur OpenAlexaff
Alexandre Williot, Isabelle Blanchette

Notice bibliographique

RevueApplied Cognitive Psychology · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueDeception detection and forensic psychology
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésPsychologyPsychopathologyTask (project management)Visual searchVisual processingCognitive psychologyInformation processingApplied psychologyClinical psychologyPerception

Résumé

récupéré en direct d'OpenAlex

Summary Threat detection is an important skill for police officers, but few studies have examined the impact of processing strategies on this ability. The first aim of our study was to compare the visual detection of threatening and neutral targets in 38 police trainees and 53 police officers. The other aims were to examine the effect of emotional or semantic strategies on this process and the effect of psychopathological symptoms. In a visual search task, participants had to detect a threatening or neutral target among neutral distractors. Participants answered a question used to induce a more emotional or semantic processing strategy. Results revealed that threatening targets were detected faster than neutral ones. This effect was enhanced with an emotional processing strategy but unaffected by symptoms. Processing strategy also had led to faster reaction time overall. This study shows that inducing processing strategies can influence threat detection in police trainees and officers.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,949
Score d'incertitude au seuil0,805

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 technologies0,0000,001
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 Opus0,014
Tête enseignante GPT0,343
Écart entre enseignants0,329 · 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'étudeObservationnel
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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Cognitive PsychologyMême sujetDeception detection and forensic psychologyTravaux en français237 207