Assessing protective factors in treated violent offenders: Associations with recidivism reduction and positive community outcomes.
Notice bibliographique
Résumé
The present study examined the assessment of protective factors and their linkages to treatment change, institutional and community recidivism, and positive community outcomes in a high-risk treated sample of violent male offenders. Participants included 178 federally incarcerated adult male violent offenders who participated in a high-intensity violence reduction program and were followed up 10 years postrelease in the community. A collection of risk- and protective-factor measures were rated archivally at multiple time points-the Violence Risk Scale (Wong & Gordon, 1999-2003), Historical Clinical Risk Management-20 (Version 2; Webster, Douglas, Eaves, & Hart, 1997), Structured Assessment of Protective Factors (SAPROF; De Vogel, De Ruiter, Bouman, & De Vries Robbé, 2009), and Protective Factors (PF) List. Measures of community and institutional recidivism and positive community outcomes were coded. Large correlations were observed between risk and protection scores, suggesting shared risk variance. The SAPROF and PF List each predicted decreased community recidivism and, to a lesser degree, decreased institutional recidivism. Positive changes in protective factors were significantly associated with reductions in violent and general community recidivism and serious institutional misconducts after controlling for baseline scores. In addition, risk and protection scores significantly predicted most positive community outcomes; improvements in protective factors were linked to an increase in positive outcomes. Protective factors are more than the inverse of risk factors and might have important benefits in violence risk assessment and treatment planning when other positive community outcomes are considered. (PsycInfo Database Record (c) 2020 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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 | 0,002 |
| 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 ».