MétaCan
Menu
Retour à la cohorte
Enregistrement W4387933706 · doi:10.1177/10775595231210015

Describing Coercion in the Courtroom: The Influence of Language and Maltreatment Severity on Jurors’ Perceptions of Child Witnesses

2023· article· en· W4387933706 sur OpenAlexaff
Breanne E. Wylie, Stacia N. Stolzenberg, Angela D. Evans

Notice bibliographique

RevueChild Maltreatment · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueChild Abuse and Trauma
Établissements canadiensBrock University
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentNational Institute of Child Health and Human Development
Mots-clésCoercion (linguistics)ObligationPsychologyPoison controlSexual coercionSexual abuseSocial psychologyBlameCompliance (psychology)Suicide preventionCriminologyMedicineLawPolitical scienceMedical emergency

Résumé

récupéré en direct d'OpenAlex

Regardless of compliance to coercion by an alleged perpetrator, child maltreatment is abuse in any form. However, the extent to which coercion is described as an obligation (mandatory compliance) or permission (optional compliance) is legally relevant. The present investigation examined how attorneys question children about coercion and how children describe coercion in courtroom investigations of alleged child sexual abuse, and whether such language influences jurors' perceptions of children's testimony. Study 1 assessed 64 transcripts of children's testimonies and revealed that both attorneys and children use coercive language. Problematically, terms of permission were used when describing sexual abuse, potentially implying compliance was optional. Study 2 presented 160 adults with transcript excerpts, varied by coercive language (obligation or permission) and maltreatment type (sexual abuse or punishment). Coercive language influenced perceptions of coercion and whether the adult was to blame. Maltreatment type influenced perceptions of severity, credibility, and verdict. Overall, coercive language and maltreatment type influence perceptions of how the event unfolded.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,388
Score d'incertitude au seuil0,448

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 Opus0,025
Tête enseignante GPT0,294
Écart entre enseignants0,269 · 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'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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChild MaltreatmentMême sujetChild Abuse and TraumaTravaux en français237 207