MétaCan
Menu
Retour à la cohorte
Enregistrement W2992954957 · doi:10.7202/1065866ar

Interventions policières auprès des personnes dont l’état mental est perturbé

2019· article· fr· W2992954957 sur OpenAlexaffvenue
Étienne Blais, Léaw Roy, Rémi Boivin, Benoît Leclerc, Kim Choinière-Tran

Notice bibliographique

RevueCriminologie · 2019
Typearticle
Languefr
DomainePsychology
ThématiquePsychopathy, Forensic Psychiatry, Sexual Offending
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

L’objectif de cette contribution est de dresser le script de l’intervention policière auprès des personnes dont l’état mental est perturbé (PEMP) afin de cerner les éléments qui mènent à l’usage de la force. La consultation de 130 dossiers policiers a permis de reconstituer les étapes centrales de ces interventions. Le script se divise en cinq étapes : 1) recevoir l’appel de service et dépêcher les policiers sur les lieux ; 2) arriver sur les lieux ; 3) évaluer la PEMP ; 4) intervenir auprès de la PEMP ; et 5) prendre en charge la PEMP. Dès l’arrivée sur les lieux, la présence de personnes en danger précipite souvent l’emploi de la force par les policiers tandis que la présence d’un tiers ayant une bonne relation avec la PEMP prévient régulièrement le recours à la force. Les résultats montrent également que l’usage de la force est le résultat d’échanges entre le policier et la PEMP. L’emploi de stratégies de communication coercitives par les policiers diminue la collaboration de la PEMP et, par la suite, les policiers sont plus susceptibles d’employer la force. Enfin, les résultats laissent supposer qu’une théorie sur l’usage de la force a avantage à intégrer les facteurs immédiats incluant les échanges entre le policier et la personne interpellée.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,293
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,018

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 Opus0,331
Tête enseignante GPT0,429
Écart entre enseignants0,098 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations4
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCriminologieMême sujetPsychopathy, Forensic Psychiatry, Sexual OffendingTravaux en français237 207