MétaCan
Menu
Retour à la cohorte
Enregistrement W4307269972 · doi:10.3138/cjccj.2022-0022

Effectiveness of 12 Types of Interventions in Reducing Juvenile Offending and Antisocial Behaviour

2022· article· en· W4307269972 sur OpenAlexvenueno aff
David P. Farrington, Hannah Gaffney, Howard White

Notice bibliographique

RevueCanadian Journal of Criminology and Criminal Justice/La Revue canadienne de criminologie et de justice pénale · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueBullying, Victimization, and Aggression
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychological interventionIntervention (counseling)PsychologyJuvenile delinquencyJuvenileBest practiceDeterrence (psychology)Parent trainingDeterrence theoryCrime preventionApplied psychologyCriminologyClinical psychologyMedical educationMedicinePsychiatryPolitical science

Résumé

récupéré en direct d'OpenAlex

The main aim of this article is to summarize the best available evidence (from systematic reviews) of the effectiveness of 12 types of interventions in reducing juvenile offending and antisocial behaviour. In the interests of making the results widely understandable to researchers, practitioners, policy makers, and the general public, all effect sizes are converted into percentage decreases in antisocial behaviour or offending. Based on the most important systematic review in each category, the most effective interventions are parent training, focused deterrence, child skills training, cognitive–behavioural therapy, mentoring, and family therapy. Anti-bullying programs, anti-cyberbullying programs, and pre-court diversion programs are quite effective, while school exclusion reduction, after-school programs, and boot camps are least effective. The good news is that, based on estimated reductions in offending, intervention programs are usually found to be much more effective than is commonly believed (based on other measures).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,530
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,092
Tête enseignante GPT0,338
Écart entre enseignants0,246 · 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 tête enseignante, pas un consensus.

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

Citations18
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Criminology and Criminal Justice/La Revue canadienne de criminologie et de justice pénaleMême sujetBullying, Victimization, and AggressionTravaux en français237 207