Attitudinal Disposition of Correctional Officers’ Towards an Inmates with Mental illness in Agodi Prison, Oyo State, Nigeria
Notice bibliographique
Résumé
There is a frequently higher prevalence of mental health problems among the incarcerated population in Nigeria. However, their mental health is often neglected, leading to a complex interplay of issues that hinder effective rehabilitation and integration of offenders into society. This study examined the attitudinal disposition of correctional officers towards the mental health of an inmate in Agodi correctional home, Ibadan. This is a cross-sectional study design and a stratified random sampling technique were used to select 200 correctional officers. A socio-demographic questionnaire and questions focusing on the stigmatization of inmates living with mental health. The Pearson Product Moment Correlation was used to test the generated hypotheses at a 0.05 significance level. Findings revealed that there was a significant relationship between counselling service and inmate mental health (r = .621, n= 200, p < .05), there was a significant relationship between rehabilitation program and inmate mental health (r = .642, n= 200, p < .05), there was a significant relationship between welfare service and inmate mental health (r = .716, n= 200, p < .05), there was a significant relationship between correctional officers attitude and inmates mental health (r = .731, n= 200, p < .05). This study underscored the potential consequences of negative attitudes, such as stigmatization, discrimination, and inadequate provision of mental health care, which can impede the rehabilitation and successful reintegration of inmates into society. Therefore, a comprehensive understanding of the attitudinal disposition of correctional officers towards inmates with mental illness is imperative.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».