Knowledge, Skills, and Abilities for Managing Potentially Volatile Police–Public Interactions: A Narrative Review
Notice bibliographique
Résumé
We conducted a narrative review of existing literature to identify the knowledge, skills, and abilities (KSAs) necessary for officers who police in democratic societies to successfully manage potentially volatile police–public interactions. This review revealed 10 such KSAs that are frequently discussed in the literature. These KSAs include: (1) knowledge of policies and laws; (2) an understanding of mental health-related issues; (3) an ability to interact effectively with, and show respect for, individuals from diverse community groups; (4) awareness and management of stress effects; (5) communication skills; (6) decision-making and problem-solving skills; (7) perceptual skills; (8) motor skills related to use-of-force; (9) emotion and behavior regulation; and (10) an ability to treat people in a procedurally just manner. Following our review, we conducted semi-structured interviews (N = 7) with researchers who specialize in police training and adult education, interactions with individuals in crisis, and racialized policing, as well as two police trainers with expertise in de-escalation and use-of-force training. These interviews confirmed the importance of the 10 KSAs and highlighted two additional KSAs that are likely to be critical: understanding the role of policing in a free and democratic society and tactical knowledge and skills. To ensure that police–public interactions are managed effectively, police trainers may want to focus on the development and evaluation of these KSAs—something that is not always done currently.
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 | 0,006 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».