Empathy in Police Officers Undergoing De-escalation Simulation Training: A Comparison Between Virtual Reality and Live Action Modalities
Notice bibliographique
Résumé
This study compared empathy among police officers undergoing mental health crisis de-escalation training in virtual reality and live action training modalities. The study included police officers across different police services in Ontario (N=63) and evaluated the efficacy of the Mental Health Crisis Response Training (MHCRT, Lavoie et al., 2020) program delivered across virtual reality and live action modalities against a control group that did not receive the training program. After collection of participants’ demographics, empathy scores, and de-escalation competency scores, a series of correlations, ANOVAs and ANCOVAs were conducted. Results showed that participants receiving MHCRT virtual reality and live action formats demonstrated no significantly different effects on empathy based on modality, with both formats displaying an increase in empathy over time. General empathy was found to be related to having multiple de-escalation strategies in the participants’ repertoire, while state empathy towards the specific character in crisis was not significantly related to specific de-escalation strategies. This relationship between general empathy and de-escalation competencies provides evidence for the importance of empathy among police officers, specifically with regard to hiring practices and specialization in mental health crisis response teams. The evaluation of the MHCRT program in both live action and virtual reality training modalities contributes to the limited research on the outcome of scenario-based police training programs and its efficacy in enhancing empathy and de-escalation competencies among police officers. This scenario-based MHCRT program is the first of its kind and opens the door to the possibility of cross-province scalability and standardization for police de-escalation training, with an emphasis on a relational policing approach to serving community members in mental health crisis.
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 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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».