MétaCan
Menu
Retour à la cohorte
Enregistrement W3018039839 · doi:10.22215/etd/2014-10348

Educating the Jury: Mental Illness and Criminal Responsibility in the Canadian Courtroom

2014· dissertation· en· W3018039839 sur OpenAlexaffabout
Kristin L. Fenwick

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineSocial Sciences
ThématiqueJury Decision Making Processes
Établissements canadiensCarleton University
Organismes subventionnairesUniversity of Oxford
Mots-clésVerdictJuryPsychologyPerceptionCertaintyMental illnessStigma (botany)Social psychologyCriminologyMental healthPsychiatryPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

This study explored juror stigma towards defendants with mental illness (MI), and examined the impact of education on juror decision-making in Not Criminally Responsible on account of Mental Disorder (NCRMD) cases in Canada.Four-hundred and eighty-six participants received two forms of education (MI or diabetes, and NCRMD or duress), read an NCRMD trial transcript in which the defendant's MI was manipulated, and provided a verdict (NCRMD or guilty), defendant perceptions, MI attitudes, and NCRMD attitudes.Continuous analyses revealed that MI and NCRMD education did not have a combined effect on defendant perceptions, MI stigma, or decision-making in NCRMD cases.Path analysis revealed that MI type was directly and indirectly related to guilt certainty via MI attitudes and defendant perceptions.However, NCRMD attitudes did not have an effect on verdicts.Results imply that MI attitudes are deeply ingrained in social and cultural norms and are not amenable to change despite education. Educating the Jury: Mental Illness and Criminal Responsibility in the Canadian CourtroomMental illness directly or indirectly affects all Canadians, regardless of age, religion, culture, socioeconomic status, or education level.Approximately 20% of Canadians will personally experience a mental illness during their lifetime (Health Canada, 2002).Although the majority of persons with mental illness do not come into contact with the criminal justice system, Canada's correctional facilities have seen a considerable increase in the number of offenders experiencing mental health problems upon admission (Correctional Service of Canada, 2009).This increase could be due to the closing of civil psychiatric facilities or better measurement for the detection of mental illness (Prins, 2011;Sheth, 2009;Stall, 2013).Furthermore, when compared with the general population, offenders have a higher prevalence rate of mental illness (Canadian Institute for Health Information, 2008; Correctional Service of Canada, 2009).However, this high prevalence rate could be due to the fact that mentally ill people are less adept at committing crime, more likely to get arrested due to their behaviour, and are more likely to plead guilty (Bland, Newman, Dyck, & Orn, 1990; Canadian Mental Health Association, 2004;Teplin, 1984).In 2010-2011, Correctional Service Canada reported that 62% of offenders entering a federal penitentiary had been identified for a follow-up mental health assessment or service (Office of the Correctional Investigator, 2012).In addition, approximately 4 out of 5 offenders in federal custody are afflicted by more than one mental illness, most commonly substance use disorder (Office of the Correctional Investigator, 2012).Although initiatives have been established to provide appropriate services and interventions that will assist mentally ill offenders, these offenders pose a

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,301

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0100,003
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,033
Tête enseignante GPT0,393
Écart entre enseignants0,360 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreAutre

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
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetJury Decision Making ProcessesTravaux en français237 207