MétaCan
Menu
Retour à la cohorte
Enregistrement W4390490816 · doi:10.31542/4g94x768

Investigation Into the Implementation of Rehabilitation in the Penal System

2023· article· en· W4390490816 sur OpenAlexaffvenueabout
Ethan Simmons, Ashu Kito, Kirpal Thind, Kateryna Kuzmuk

Notice bibliographique

RevueCrossing Borders Student Reflections on Global Social Issues · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCriminal Justice and Corrections Analysis
Établissements canadiensMacEwan University
Organismes subventionnairesnon disponible
Mots-clésRehabilitationRecidivismProcess (computing)PsychologySAFERSubject (documents)Applied psychologyMedical educationPolitical scienceCriminologyMedicineComputer securityComputer science

Résumé

récupéré en direct d'OpenAlex

The implementation of rehabilitation programs in the penal system has garnered significant attention to address the root causes of criminal behaviour and facilitate the successful reintegration of offenders into society. However, the effectiveness of rehabilitation in prisons remains a subject of debate. Specifically, it is disputed what factors influence rehabilitation effectiveness, with particular attention given to psychological and educational rehabilitation approaches, as well as factors affecting socio-demographic groups like age, race, and gender. The project conducted in-depth interviews with Ukrainian and Canadian university students to explore this issue further. Studies on rehabilitation effectiveness have produced varying results, with some indicating positive changes in inmates' psychological well-being and easier societal reintegration. In contrast, others have shown limited or no significant improvements. Their insight highlighted the need for improvements in the rehabilitation process to ensure public safety and reduce recidivism rates. By addressing these concerns, society can have greater confidence in the rehabilitative efforts undertaken in correctional facilities, ultimately fostering a safer environment for all.

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)0,008
score de la tête « metaresearch » (Gemma)0,033
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,079
Score d'incertitude au seuil0,157

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,033
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0070,004
Communication savante0,0060,002
Science ouverte0,0020,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,047
Tête enseignante GPT0,492
Écart entre enseignants0,444 · 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'étudeQualitatif
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'admission3
Résumé présentoui

Explorer davantage

Même revueCrossing Borders Student Reflections on Global Social IssuesMême sujetCriminal Justice and Corrections AnalysisTravaux en français237 207