MétaCan
Menu
Retour à la cohorte
Enregistrement W4361000320 · doi:10.1097/jfn.0000000000000435

An Experiential Approach to Canine-Assisted Learning in Corrections for Prisoners Who Use Substances

2023· article· en· W4361000320 sur OpenAlexaffabout
Brynn Kosteniuk, Colleen Anne Dell, Maria Cruz, Darlene Chalmers

Notice bibliographique

RevueJournal of Forensic Nursing · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueHuman-Animal Interaction Studies
Établissements canadiensUniversity of ReginaUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésExperiential learningPsychological interventionPrisonMental healthAddictionPsychologyMedical educationRelation (database)MedicineApplied psychologyPsychiatryPedagogyCriminologyComputer science

Résumé

récupéré en direct d'OpenAlex

ABSTRACT: Canine-assisted interventions are a promising approach to help address substance use and mental health issues in prisons. However, canine-assisted interventions in prisons have not been well explored in relation to experiential learning (EL) theory, despite canine-assisted interventions and EL aligning in many ways. In this article, we discuss a canine-assisted learning and wellness program guided by EL for prisoners with substance use issues in Western Canada. Letters written by participants to the dogs at the conclusion of the program suggest that such programming can help shift relational dynamics and the prison learning environment, benefit prisoners' thinking patterns and perspectives, and help prisoners generalize and apply key learnings to recovery from addiction and mental health challenges. Implications are discussed in relation to clinicians' practices, prisoners' health and wellness, and prison programming.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,504
Score d'incertitude au seuil0,347

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,043
Tête enseignante GPT0,377
Écart entre enseignants0,334 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations2
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Forensic NursingMême sujetHuman-Animal Interaction StudiesTravaux en français237 207