Use of the Psychopathy Checklist-Revised in Legal Contexts: Validity, Reliability, Admissibility, and Evidentiary Issues
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The construct of psychopathy has received considerable attention from clinicians, researchers, and legal practitioners because of its demonstrated association with a range of outcomes of interest to the criminal justice system. The Psychopathy Checklist-Revised (PCL-R) is generally regarded as the premier assessment tool for measuring psychopathy in correctional and legal contexts, and the PCL-R is being used with increased frequency to address a variety of legal questions. This article provides a comprehensive examination and review of the PCL-R's use in legal contexts. We begin by reviewing various uses (appropriate and inappropriate) of the PCL-R in legal contexts, using the risk-need-responsivity (RNR) model as the conceptual framework. After reviewing available data regarding the use of the PCL-R in legal contexts, we review and synthesize psychometric research with psycholegal relevance, with a focus on the PCL-R's construct validity, predictive validity, and interrater reliability. We then discuss the scientific acceptability and clinical utility of the PCL-R's structural, predictive, and measurement properties for credibility in court, followed by sample cross-examination questions. We conclude with a review of admissibility issues relating to the use of the PCL-R in various legal proceedings.
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.
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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle