The development of an evidence base for assessing and managing the risk of terrorism in the UK
Notice bibliographique
Résumé
This thesis tracks my learning journey from a dedicated three-year project developing a professional risk assessment methodology for terrorist offenders in HMPPS, through advising Prevent, to academia where I have continued to contribute to a growing evidence base for understanding the psychology of terrorism. As a co-I for CREST, I compiled a Directory of extremism risk assessment frameworks and networked with subject matter experts in the USA, Canada and Australia. This led to invitations to contribute chapters to the second edition of the International Handbook for Threat Assessment, and to the NATO Science for Peace and Security Programme on Terrorism Risk Assessment Instruments. As an expert member of the European Radicalisation Awareness Network I contributed two papers on countering extremism, one advising on ethical practice for mental health practitioners and the other on the increasing challenge of detecting lone actor terrorists pre-crime. The as yet unpublished paper is informed largely by my work as an expert witness for those charged under counterterrorist legislation and completes my learning journey to date. It exposes a gap between legal and psychological approaches to assessing terrorist risk with the potential for miscarriages of justice where national security is prioritised over individual rights.
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 | 0,091 | 0,350 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,017 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,013 | 0,010 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».