The use of note-taking during forensic interviews: Perceptions and practical recommendations for interviewers
Notice bibliographique
Résumé
The disclosure process for children who have experienced maltreatment is often difficult. In an effort to support children in their disclosures, interviewers have increasingly turned to empirically-based interview protocols (i.e., questioning strategies) that both decrease the suggestibility of questions while also increasing the productivity of children’s statements. Despite efforts to improve the structure of forensic interviews, interviewing support tools, such as note-taking, have received less empirical attention. To date, research examining interviewers’ notes has primarily focused on the accuracy of such records for evidentiary reasons. Yet, note-taking may serve other purposes; for instance, the process of note-taking may increase the accuracy of interviewers’ questions (i.e., use of child’s words) and memory (i.e., follow-up questions and themes) throughout the interview. In the current review, we describe the limited forensic note-taking literature, as well as the potential strengths and weaknesses of note-taking during forensic interviews with children. We end by suggesting potential avenues of research to assist with the creation of practical guidelines for the use of notes during forensic interviews.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,348 | 0,399 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,014 | 0,016 |
| Communication savante | 0,015 | 0,027 |
| Science ouverte | 0,008 | 0,016 |
| Intégrité de la recherche | 0,008 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».