Efterforskning av försvunna personer: Mot en kunskapsbaserad verksamhet: Polisens hantering av information och kunskap
Notice bibliographique
Résumé
Denna rapport har skrivits inom ramen för det tvärvetenskapliga forskningsprogrammet ”Effektiv räddning på framtidens skadeplats” som fokuserar på komplexiteten i det framtida räddningssystemet, till exempel med avseende på resurser, teknik, metodutveckling och utvärdering. ”Effektiv räddning på framtidens skadeplats” är femårigt och finansieras gemensamt av Myndigheten för samhällsskydd och beredskap (MSB) och Linköpings universitet (LiU). Det bedrivs inom Centrum för forskning inom respons- och räddningssystem (CARER) som också är att samarbete mellan LiU och MSB. Efterforskning av försvunna personer (EFP) är polisens räddningstjänstuppgift. Varje år rapporteras ca 26 000 personer försvunna till polisen varav en fjärdedel gäller allvarliga och akuta försvinnanden som orsakar stort lidande, innebär höga kostnader och där några inte skulle överlevt om de inte återfunnits i tid. Denna rapport redogör för en delstudie i ett bredare pilotprojekt för att kartlägga verksamheten EFP. Rapporten gäller polisens hantering av information och kunskap i verksamheten och syftar till att peka på behov och ge förslag till utveckling för en långsiktig kunskapsbaserad verksamhet. Studien har utförts med kvalitativ innehållsanalys av bland annat intervjuer och dokumentstudier i flera steg. Studiens slutsatser pekar på centrala områden med behov av uppföljning och utveckling; 1) Verksamhetsuppföljning, styrning och utbildning, 2) digitalisering och digital integration, 3) EFP-metodens inriktning och olika inslag samt slutligen 4) statistik, jämförelser och samverkan med forskning för en kunskapsbaserad verksamhet. Inom digitalisering och digital integration pågår utvecklingsarbete. För samtliga områden ges förslag både för uppföljning och utveckling.
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 | 0,010 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,004 | 0,010 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,059 | 0,007 |
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 ».