MétaCan
Menu
← Retour à la cohorte
Enregistrement W4285035379 · doi:10.22215/etd/2022-15007

Examining Post Sentence Parole Effectiveness in a Matched Sample

2022· dissertation· en· W4285035379 sur OpenAlexaff
Laura Gamwell

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineSocial Sciences
ThématiqueCriminal Justice and Corrections Analysis
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésSentenceSample (material)MisdemeanorPsychologyMatching (statistics)Quality (philosophy)Economic JusticeSocial psychologyComputer sciencePolitical scienceCriminologyNatural language processingStatisticsLawMathematics

Résumé

récupéré en direct d'OpenAlex

Parole offers a fiscally responsible mechanism to improve public safety by facilitating the re-entry of Justice-Involved Persons (JIPs) into the community following a period of incarceration.This study sought to establish the effectiveness of parole in reducing post sentence charges in a sample of former parolees (n = 86) as compared with those released at end of sentence (EOS; n = 86) in a matched sample in Iowa.Quality of parole decisions and community supervision were considered and deemed reasonably met.JIPs in each group were matched on risk, sentence type and crime type using Coarsened Exact Matching.Cox proportional hazards survival analyses revealed a non-significant marginal effect of parole on post sentence charge, with former parolees 24% less likely to incur a charge on a given day than JIPs released at EOS (HR = .76,RSE=.24, p = .24).Follow-up analyses revealed an interaction between parole group and sentence type, wherein parolees who had served a sentence for felony offence had better post sentence survival than those who had served a sentence for a misdemeanor.The opposite trend was observed for the EOS group.Further, interactions were observed between group and problem-solving needs and prosocial identities; offering insight into how parole functions.Limitations of the study design and future directions for parole research are discussed, including methods to better account for the need for quality parole decision making and community supervision in parole effectiveness research.

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)0,013
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 enseignants0,006
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,029
Tête enseignante GPT0,339
Écart entre enseignants0,311 · 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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCriminal Justice and Corrections Analysis→Travaux en français237 207→