MétaCan
Menu
Retour à la cohorte
Enregistrement W3170476916 · doi:10.4018/978-1-7998-6820-0.ch001

Treating Bruised Badges

2021· book-chapter· en· W3170476916 sur OpenAlexaff
Lucas Rubim, Felipe Rubim, Konstantinos Papazoglou, Daniel M. Blumberg

Notice bibliographique

RevueIGI Global eBooks · 2021
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiquePolicing Practices and Perceptions
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPsychologyPsychological interventionLaw enforcementOfficerEmotional distressMisconductPsychological distressModalitiesMoral injuryPsychotherapistSocial psychologyAnxietyPolitical scienceMental healthLawPsychiatrySociology

Résumé

récupéré en direct d'OpenAlex

Policing may lead officers to physical, psychological, and emotional distress. Nonetheless, there is an additional, albeit less studied, threat to officers' well-being. Moral risks, an umbrella term encompassing two interrelated moral struggles—moral distress and moral injury—exacerbate officers' emotional difficulties, spiritual distress, and job dissatisfaction, as well as increase the likelihood of officer misconduct. However, there are psychological interventions that help to minimize the intensity of the psychological and behavioral problems associated with these moral risks and facilitate officers' recovery from these difficulties. This chapter examines the utilization of cognitive behavioral therapy, dialectical behavioral therapy, and other techniques to treat the moral suffering of law enforcement personnel. It provides practical suggestions for using the strategies of these modalities to increase police officers' well-being.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,915
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,056
Tête enseignante GPT0,351
Écart entre enseignants0,295 · 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 tête enseignante, pas un consensus.

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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIGI Global eBooksMême sujetPolicing Practices and PerceptionsTravaux en français237 207