How Rigorous are Evaluations of Violent Extremism Prevention Programs? Results from a Systematic Methodological Review
Notice bibliographique
Résumé
The field of security studies, including the evaluation of Preventing/Countering Violent Extremism (P/CVE) programs, has encountered methodological challenges since its beginning. Notably, numerous gaps have been found in evaluating P/CVE programs, particularly in the approaches used for researching and analyzing collected data. This study systematically reviews the quality of 267 evaluations published in English, French, and Spanish up to December 2022, addressing concerns over bias and limited empirical evidence. Using the Mixed Methods Appraisal Tool (MMAT), we examined diverse study designs—including qualitative, quantitative descriptive, nonrandomized, randomized controlled trials, and mixed methods—to assess rigor and identify prevalent biases. While more than 70 percent of studies met most MMAT criteria—an encouraging outcome given initial low expectations—significant challenges remain. Only 17.2 percent employed control groups and 26 percent used repeated measures. In addition, deficiencies in transparency were evident: nonrandomized studies often failed to adequately manage confounding variables and describe sampling processes, and randomized trials provided limited details on their randomization procedures. Mixedmethods and qualitative studies, however, showed significant improvement in quality over time, contrasting with the relative stagnation of other designs. These findings underscore the need for more rigorous and standardized evaluation frameworks to enhance methodological transparency and reliability.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | Métarecherche Domaine: Évaluation · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Revue systématique | low |
| gpt | Métarecherche Domaine: Évaluation · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Revue systématique | low |
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 | 0,396 | 0,756 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,011 | 0,013 |
| Bibliométrie | 0,022 | 0,019 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,014 | 0,012 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».