Characteristic features and socio-demographic structure of suicidal behavior of prison staff in the USA and Canada
Notice bibliographique
Résumé
В статье рассматривается проблема суицида среди персонала тюрем Соединенных Штатов Америки и Канады на основе анализа актуальных зарубежных исследований и практики оценки суицидальных рисков в пенитенциарной среде. В работе представлены эмпирические данные, отражающие социально-демографические характеристики суицидентов (пол, возраст, образование, семейное положение, расовая и этническая принадлежность) и различные проявления суицидальной активности (мысли, планирование, попытки, завершенный суицид). Анализ суицидального поведения персонала учрежде- ний исполнения уголовных наказаний в рассматриваемых странах проводился с учетом кадровой дифференциации (административные работники, тюремные надзиратели, социальные работники, тюремные капелланы, сотрудники психологической службы) и стажа службы в уголовно-исполнительной системе, что позволило выделить группы суицидального риска, требующие внимания специ- алистов и своевременного психологического сопровождения. The given article deals with the problem of suicide among prison staff in the United States of America and Canada based on an analysis of current foreign researches and practical developments in assessing suicidal risks in the penitentiary environment. The research presents empirical data reflecting the socio-demographic characteristics of suicide victims (gender, age, education, marital status, race and ethnicity) and various manifestations of suicidal activity (thoughts, planning, attempts, completed suicide). The analysis of suicidal behavior of corrections staff in the countries under consideration is carried out taking into account personnel differentiation (administrative workers, prison guards, social workers, prison chaplains, psychological service employees) and years of service in the penitentiary system that has made it possible to identify groups of suicidal risk that require specialist attention and timely psychological support.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».