Psychological study of the convict’s personality depending on the number of criminal records
Notice bibliographique
Résumé
The article is devoted to an empirical analysis of diagnostics problems study of personality traits among convicts serving sentences in prison.On the basis of the obtained data, the psychological characteristics of negative personal traits of convicts in the aspect of psychological support of educational impact on them are determined.The author of the article used the «Dark triad» questionnaire developed in 2002 by Canadian researchers Delra Paulhus and Kevin Williams. This questionnaire is aimed at measuring the subclinical personality traits included in the so-called «Dark triad»: narcissism, psychopathy and machiavellianism. This method has shown its effectiveness in the diagnostic work of prison psychologists. The key task of the study was to identify statistically significant differences in the groups of convicts serving their first sentence and those who had previously been convicted several times.The study involved 200 convicts. Comparing the differences in the groups of convicts, the author notes their specificity. In particular, high levels of dark constructs were identified from a group of repeatedly serving sentences in places of liberty deprivation.The presence of pronounced negative personality traits form a single global index of «dark personality». Scales of the «Dark triad» that reflect the negative personal core allow to quickly get the necessary indices and identify the mechanisms of convicts’ functioning serving sentences in correctional institutions.Prison psychologists need to take into account the high rates of negative constructs in order to implement psychological support measures for convicts throughout the entire period of serving their sentence.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».