Finding High-Risk Adults/Youth: Assessing Risk Management (ARM): Ask-Standard-Predictor (ASP): Reliable, Valid, 11-Question Survey: Finding High-Risk Saves USA $300B-$1.2T Annual Violence Expense & Prevents 10,000 Murders
Notice bibliographique
Résumé
Summary. - Ask-Standard-Predictor (ASP) surveys high-risk adults/youth before high-risk/self-harm [assessing risk management (ARM)]; 2,722 (1,595 adults, 1,127 youth) followed (in court, hospital, physician, school records) for 3-12-years, analyzed with robust, statistical methods (in-bag, out-of-bag, cross-validation, Shao’s bootstrapped, logistic-regressions), resulting in:: (a) predictive-accuracy [area-under-curve (AUC) = 0.99, adults, AUC = 0.91, youth, AUC = 0.96, combined]; (b) internal-consistency [Cronbach’s α = 0.61–0.62]; (c) test-retest-reliability [rtt = 0.75–0.76]; (d) convergent-divergent-validity (ability, achievement, perception, personality tests); (e) replicated-sensitivity- specificity [96-97%]. Predictors are valid across many populations [including 311,599 targeted, Chicago youth, receiving jobs, mentors, and anger-training, over 17-years, saving $3.6B-$5.3B, 1,242 homicides, 46% less shootings, and 77 fewer violent-youth-crimes] in “1-Chicago-Youth-Summer-Jobs-Program.” ASP is an extension of 95-year-probation-parole-decision-making-tests, allowing lowering high-risk by targeting scientifically-proven, cost-effective treatments. ASP and MMPI-2/A have the same”7-point-high-risk-profile” for youth, adults, males, females, homicidal, mass-murdering, serial-killing, sex-offending, suicide-completers, and overdosing, namely: 1-violence, 2-deception, 3-depression, 4-antisocial-behavior, 5-paranoid-ideation, 6-schizophrenic-thinking, 7-addiction-alcoholism.
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 | 0,039 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».