Deriving Expert Knowledge of Situational Awareness in Policing: a Mixed-Methods Study
Notice bibliographique
Résumé
Abstract Situational awareness (SA) is the most important skill required by police to effectively assess and respond to encounters, including critical incidents. Incomplete or sub-optimal SA strategies can lead to errors in subsequent judgement, decision-making, and action, including tactics and use of force (UOF). Errors in UOF, especially lethal force, in training or operational field settings, have severe consequences for learning, occupational health, and public safety. Therefore, adequately defining and instructing SA is an important gap to fill in existing applied police literature and practice. Using a mixed-methods approach, the current study aimed to define and conceptualize SA in police-specific contexts. Participants included 23 novice trainees and 11 experienced officers and instructors in tactics and UOF. Participants were shown 13 static images of various staged encounters, ranging from non-threatening to high-threat. Following each image, participants were interviewed and asked to describe what they saw and how they would respond. Thematic analyses of the interview data revealed the following seven themes that are highly interrelated and more completely define police-specific SA: distance/time laws; partner/roles; profiling the suspect; tactical options and opportunities; ongoing assessment of own tactical activities and outcomes; surrounding environment and conditions; and dangerous objects. Expert officers provided more detailed and multidimensional descriptions of the themes and statistical analyses confirmed that experts identified more themes compared to novices. By making tacit knowledge visible, the current findings establish a professional standard for SA formation, which can inform evidence-based police training in SA, tactical decision-making, and UOF while improving operational safety.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».