MétaCan
Menu
Retour à la cohorte
Enregistrement W658119432

Are there better ways to predict recidivism

2002· article· en· W658119432 sur OpenAlexaboutno aff
Louise Nadeau

Notice bibliographique

RevuePROCEEDINGS OF THE 16TH INTERNATIONAL CONFERENCE ON ALCOHOL, DRUGS AND TRAFFIC SAFETY · 2002
Typearticle
Langueen
DomaineEngineering
ThématiqueTraffic and Road Safety
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRecidivismPsychologyPunishment (psychology)Social psychologyCriminology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Driving-under-the-influence (DUI) recidivists pose a unique problem in road safety because of their apparent inability to respond to the preventative measures that have been put in place to ensure road safety. This relatively small sub-group of drivers cause a disproportionably large number of victims. The majority of offenders are men - 95% in a Quebec study (Bergeron et al, in process). As a group, they have been punished, quite severely in many instances, and still use their car when drunk in spite of the understanding that a second or third offence involves more severe punishment than the previous one(s). Alcohol ignition interlock recorders have significantly reduced recidivism for the minority of offenders who have been willing to participate but outcome studies show that once the device is removed, the rate of DUI is comparable to those offenders who refused to participate (Voas et al, 1999, SAAQ, unpublished data). DUI can be put to a halt by environmental contingencies, but the intention to relapse appears to remain unaffected. In the language of motivation, motivation remains extrinsic (the behavior is performed because of external constraints), it never becomes intrinsic (an integral part of the person's behavioural repertoire). This lack of conscience and ongoing disrespect of the social consensus constitute one of the most significant challenges in road safety today. (A) For the covering abstract of the conference, see ITRD Abstract No. E201067.

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)0,010
score de la tête « metaresearch » (Gemma)0,035
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,035
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0070,004
Études des sciences et des technologies0,0010,001
Communication savante0,0050,006
Science ouverte0,0020,001
Intégrité de la recherche0,0050,004
Charge utile insuffisante (le modèle a refusé de juger)0,0130,003

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 Opus0,036
Tête enseignante GPT0,230
Écart entre enseignants0,194 · 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

Citations6
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePROCEEDINGS OF THE 16TH INTERNATIONAL CONFERENCE ON ALCOHOL, DRUGS AND TRAFFIC SAFETYMême sujetTraffic and Road SafetyTravaux en français237 207