MétaCan
Menu
Retour à la cohorte
Enregistrement W2988176262 · doi:10.1080/14999013.2019.1684404

Age and Strengths in a Community Corrections Sample

2019· article· en· W2988176262 sur OpenAlexaff
Caleb D. Lloyd, Bronwen Perley-Robertson, Ralph C. Serin

Notice bibliographique

RevueInternational Journal of Forensic Mental Health · 2019
Typearticle
Langueen
DomainePsychology
ThématiquePsychopathy, Forensic Psychiatry, Sexual Offending
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésRecidivismPredictive validityPsychologyProsocial behaviorClinical psychologyDemographyDevelopmental psychology

Résumé

récupéré en direct d'OpenAlex

Variables conceptualized as strengths are theoretically important for the management of recidivism risk among juveniles and adults. Although measures of strengths are related to recidivism outcomes, little is known about whether these factors may vary in prevalence or predictive validity across age. We examined the predictive validity of strengths among male parolees supervised within community corrections ( N = 3,169) rated by supervision officers. The prevalence of strengths did not differ across age. Further, strengths exhibited a promotive effect across all age groups in that predictive validity was consistent across age, with the exception that strength variables were associated with an enhanced promotive effect among older individuals when predicting violent community outcomes. In particular, prosocial relationships were more strongly related to reduced violent recidivism among older compared to younger parolees. Further research is required to identify factors that may have protective or buffering effects among higher risk younger individuals.

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)0,001
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 enseignants0,450
Score d'incertitude au seuil0,573

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 GPT0,379
Écart entre enseignants0,351 · 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

Citations20
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Forensic Mental HealthMême sujetPsychopathy, Forensic Psychiatry, Sexual OffendingTravaux en français237 207