School Shootings in the United States: 1997–2022
Notice bibliographique
Résumé
OBJECTIVES: Gun violence in the United States is a public health crisis. In 2019, gun injury became the leading cause of death among children aged birth to 19 years. Moreover, the United States has had 57 times as many school shootings as all other major industrialized nations combined. The purpose of this study was to understand the frequency of school-related gun violence across a quarter century, considering both school shootings and school mass shootings. METHODS: We drew on 2 publicly available datasets whose data allowed us to tabulate the frequency of school shootings and school mass shootings. The databases contain complementary data that provide a longitudinal, comprehensive view of school-related gun violence over the past quarter century. RESULTS: Across the 1997-1998 to 2021-2022 school years, there were 1453 school shootings. The most recent 5 school years reflected a substantially higher number of school shootings than the prior 20 years. In contrast, US school mass shootings have not increased, although school mass shootings have become more deadly. CONCLUSIONS: School shootings have risen in frequency in the recent 25 years and are now at their highest recorded levels. School mass shootings, although not necessarily increasing in frequency, have become more deadly. This leads to detrimental outcomes for all the nation's youth, not just those who experience school-related gun violence firsthand. School-based interventions can be used to address this public health crisis, and effective approaches such as Multi-Tiered Systems of Supports and services should be used in support of students' mental health and academic and behavioral needs.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».