Måling af behandlingsudbyttet af fængselsindsatser - en diskussion af GPPM
Notice bibliographique
Résumé
In 2016, the Danish Prison and Probation Service introduced the Canadian tool GPPM (Generic Program Performance Measure for Correctional Programs) as part of MOVE, a cognitive-behavioural program for prisoners recently developed in Denmark. The tool measures the performance and progress of participants in correctional programs and allows the rating of offenders' skill development, motivation levels, attitude changes and program participation. Furthermore, GPPM output is used to give structured personal feedback to the individual participants on their performance during and after the completion of the program in order to support prisoners' developmental improvement. Using Danish correctional program data (LS/RNR) and GPPM results from 50 prisoners, we examine the different dimensions of the GPPM tool and discuss the possibilities of improving its applicability. First, we identify three separate dimensions of participant performance and argue that they provide a more detailed and accurate measure than the two dimensions identified by the original tool. Second, we find that the use of LS/RNR data in combination with GPPM data increases the likelihood of correctly identifying which prisoners will benefit from specific rehabilitation programmes thereby contributing to overall program effectiveness. Third, we note that an overemphasis on high-risk prisoners may distract from the fact that program participation for lowrisk prisoners can prevent an increase in their risk levels over time.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,005 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».