MétaCan
Menu
Retour à la cohorte
Enregistrement W6966736280 · doi:10.48336/req3-c564

Moving toward improving the delivery of youth interrogation rights: can comprehension be enhanced through multimedia?

2023· article· en· W6966736280 sur OpenAlexaffabout

Notice bibliographique

RevueMemorial University Research Repository (Memorial University) · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueDeception detection and forensic psychology
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésInterrogationPresentation (obstetrics)ComprehensionAnimationDistractionProtocol (science)

Résumé

récupéré en direct d'OpenAlex

Across three experiments, the extent to which presenting youth interrogation rights in a multimedia format using three multimedia elements (Animation, Audio, and Caption) improved comprehension was examined. Experiments 1 and 2 employed a 2 (Animation: Present vs. Absent) X 2 (Audio: Present vs. Absent) X 2 (Caption: Present vs. Absent) between-participants design with samples of Canadian adults (N = 207) and youth (N = 193), respectively. Participants in both experiments were randomly shown one of eight multimedia presentations and then tested about their understanding of the youth interrogation rights content contained in the multimedia presentation. In both experiments, the multimedia presentation showing Animation and Caption yielded the highest comprehension score. Experiment 3 carried out a single-condition design with Canadian youth (N = 60) to collect opinions about the multimedia elements used in the stimuli. Participants were presented with a multimedia presentation containing all three multimedia elements (i.e., Animation, Audio, and Caption) and asked to provide their feedback about the presentation more broadly (e.g., evaluating the quality, rate of speed, distraction level, and their ability to identify character within the presentation); positive reviews were reported by nearly all participants. Implications of these collective findings for protecting youth and the use of technology during police interrogations are discussed.

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)0,006
score de la tête « metaresearch » (Gemma)0,032
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 enseignants0,006
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,032
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,069
Tête enseignante GPT0,310
Écart entre enseignants0,241 · 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
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMemorial University Research Repository (Memorial University)Même sujetDeception detection and forensic psychologyTravaux en français237 207