MétaCan
Menu
Retour à la cohorte
Enregistrement W4413470107 · doi:10.21428/cb6ab371.05018851

Promoting disengagement: Effects of a gang intervention and exiting Program on negative police contacts

2025· article· en· W4413470107 sur OpenAlexaboutno aff
Jennifer S. Wong, Chelsey Lee

Notice bibliographique

RevueCrimRxiv · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePolicing Practices and Perceptions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDisengagement theoryIntervention (counseling)PsychologyCriminologyComputer securitySocial psychologyMedicinePsychiatryComputer scienceGerontology

Résumé

récupéré en direct d'OpenAlex

To address gang involvement in British Columbia, Canada, the Gang Intervention and Exiting Program (GIEP) was developed to assist individuals in leaving the gang lifestyle. The GIEP uses an individualized case management approach including external service referrals and is delivered by police officers and civilian case managers. The current study examines GIEP impacts on total negative police reports, as well as violent, weapons, and drug trafficking/production offences.Methods: Outcomes were assessed using a single group repeated measures design on the population of clients served from program inception (November 2016) to December 2021 (n = 155). Population-averaged generalized estimating equations (GEEs) were implemented to examine the change in total negative police reports and violent, drug, and weapons offence count over time.Results: Longitudinal analyses found significantly fewer police reports 12-, 18-, 30-, and 36-months post-entry when compared to the 6-month period preceding program entry. Findings also suggest a decrease in violent offending at 24-and 36-months post-entry, as well as in drug trafficking/production offences at 12-, 18-, and 30-months post-entry. No impact was found for weapons offences. Overall findings suggest that an individualized approach to providing services and supports can be effective for reducing negative police contacts and criminality among gang-involved individuals.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,077
Score d'incertitude au seuil0,152

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,042
Tête enseignante GPT0,415
Écart entre enseignants0,373 · 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'étudeObservationnel
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCrimRxivMême sujetPolicing Practices and PerceptionsTravaux en français237 207