MétaCan
Menu
← Retour à la cohorte
Enregistrement W4252167182 · doi:10.22215/etd/2017-12109

The Effect of Attachment on the Association Between Familial Dysfunction and Recidivism and Aggression in a Sample of Adolescent Offenders: Testing a Moderated-Mediation Effect

2017· dissertation· en· W4252167182 sur OpenAlexaff
Robyn K. Dean

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomainePsychology
ThématiqueAttachment and Relationship Dynamics
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésRecidivismAggressionPsychologyMediationAttachment theoryClinical psychologyAssociation (psychology)Developmental psychologyPsychotherapist

Résumé

récupéré en direct d'OpenAlex

The main purpose of this study was to determine if familial dysfunction exerts gendered and indirect effects on general recidivism or aggression (relationally-driven aggression and indirect aggression) through attachment style.This question was tested using a crosssectional and longitudinal design with a sample of justice-involved youth (211 males, 101 females).Overall, results indicated that attachment did not mediate the effect of familial dysfunction on general recidivism or relationally-driven aggression and that gender did not moderate this relationship.Interestingly, there was evidence to support the indirect effect of familial dysfunction on indirect aggression through preoccupied attachment but only for males.If future research replicates these results, preoccupied attachment should be implemented as a male-specific treatment target for practitioners and as a screening tool for risk assessment developers.Keywords: attachment theory, familial dysfunction, recidivism, gender, indirect aggression, relationally-driven aggression For me, the past two years of my education have been some of the most demanding, stressful, difficult, yet rewarding times in my academic career.Without the support of several individuals, it is doubtful that I would have had the motivation or the resources to complete this research.I would first and foremost like to thank my supervisor, Dr. Shelley Brown, for her constant support and guidance.Dr. Brown, I sincerely appreciate all the time and effort you have put into my academic success, it has not gone unnoticed.You are one of the most hard-working people I have ever met and I consider myself truly fortunate to have been one of your students.I would also like to thank Dr. Natalie Jones and Dr. Tina Daniels; the quality of this research is in part thanks to your thought-provoking questions and valuable insights.To my partner Connor, who is always pushing me to succeed and achieve my goals, I am so very grateful that your love and support was always there for me to fall back on in times of need.To my best friends, Emily and Katie, I am immensely thankful that despite time and distance, I can always count on you to inspire me and encourage me to

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,028
Tête enseignante GPT0,365
Écart entre enseignants0,338 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAttachment and Relationship Dynamics→Travaux en français237 207→