MétaCan
Menu
Retour à la cohorte
Enregistrement W4387956106 · doi:10.46692/9781529228519.005

Sports and Tertiary Crime Prevention: Desistance from Crime

2022· other· en· W4387956106 sur OpenAlexaff

Notice bibliographique

Revuenon disponible
Typeother
Langueen
DomaineSocial Sciences
ThématiqueDoping in Sports
Établissements canadiensUniversity of the Fraser Valley
Organismes subventionnairesnon disponible
Mots-clésCriminologyCrime preventionPsychology

Résumé

récupéré en direct d'OpenAlex

At the tertiary level of crime prevention, the goal of interventions is to prevent recidivism or support desistance from crime. In that context, sport-based programmes either in the community or in a correctional setting are sometimes proposed as a means to contribute to the rehabilitation and reintegration of offenders. However, there are still very few such programmes for young offenders, whether in the community or in institutions. For instance, there was not a single sport-based programme for convicted young offenders among those we reviewed in British Columbia. Despite the fact that sport-based programmes targeting known young offenders remain a rarity and that their crime prevention outcomes have never been properly evaluated, these programmes have nevertheless been declared ‘promising’ (Meek, 2020). Without necessarily disputing that premature conclusion, it is important to realize that the promise in question remains largely theoretical. Some preliminary research has attempted to link sport-based interventions and offenders’ desistance from crime. However, at this point, the effectiveness of rehabilitation efforts through sport remains uncertain (Meek, 2012, 2014, 2018; Meek, Champion, and Klier, 2012; Lewis and Meek, 2012; Gallant, Sherry, and Nicholson, 2015; Meek and Lewis, 2014a, 2014b; Parker, Meek, and Lewis, 2014; Sempé, 2018; Psychou et al, 2019). There are still many unanswered questions around whether these sport-based crime prevention programmes (whether administered in the system or in the community) can aid in desistance from crime and how this process works. Supporting desistance It is important to understand the process of change that tertiary crime prevention programmes are trying to support. That process is perhaps best described as ‘desistance from crime’. The importance of understanding that process is well recognized within criminal career research which tries to account for the onset of, maintenance of, and desistance from criminal behaviour. However, despite its importance to the criminal career paradigm, desistance is relatively understudied in criminology (Lussier, McCuish, and Corrado, 2015). Several desistance studies are relevant to the topic of sports and crime prevention. The best-known among them was Laub and Sampson's (2003) ground-breaking multiple-wave longitudinal study on 500 male delinquents from Boston. The study was based on an impressive dataset that stretched over 40 years, with interviews conducted at various points throughout many of the offenders’ lives.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,106

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,004
Communication savante0,0070,003
Science ouverte0,0010,005
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,019
Tête enseignante GPT0,302
Écart entre enseignants0,283 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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 sujetDoping in SportsTravaux en français237 207