Investigating a Train-the-Trainer Model of Supervision and Peer Review for Child Interviewers in Canadian Police Services
Notice bibliographique
Résumé
Abstract This project, conducted in one Canadian province, investigated whether a train-the-trainer model of supervision and peer review could improve the interviewing skills of police officers new to interviewing children. At 6 police services, 2 “interview specialists” were chosen by criteria (e.g. having conducted > 30 interviews with children), commitment (minimum 2 years to project), and performance evaluation of a mock and field interview. Specialists received additional training on leading group peer review and individual supervision. They carried out these activities over a 9-month period with 3–4 trainees (new interviewers) per site. Trainees’ interview performance was evaluated with mock and field interviews pre and post intervention. Qualitative interviews about project feasibility were carried out with the specialists at the end of the project, and the results of those interviews comprise the focus of this paper. At the time of the qualitative interviews, only 9 specialists and 5 sites remained in the project. Their interviews revealed that organizational buy-in was critical theme. Other emergent themes were that (different) training is needed for all levels of interviewing experience including interview specialists, that peer review formats are not one-size-fits-all across services, and that fostering a culture of peer review enhances cohesion.
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 | 0,049 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,010 | 0,005 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».