Supporting public safety leaders: Applying empirical findings to the emerging evidence
Notice bibliographique
Résumé
Following a review of the limited international evidence on the mental health and wellness of public safety leaders published in this journal, we wanted to present our findings on prison governors in the United Kingdom to see if our empirical data added further insight into this important area. Our research consisted of interviews with 63 prison governors (managers or leaders) in England, Scotland, and Wales where we aimed to explore their health and well-being. The interviews provided a wealth of data which helped us to explore how prison governors were feeling in relation to their physical and mental health, their work–life balance, and their feelings toward their role consequently exploring the impacts their work had in these areas. We mapped our findings to the points raised in the review of the evidence base to identify where our empirical findings provide support, or contradictions, to these. Our data supported the issues raised throughout the evidence review; it is imperative that public safety leaders have access to tailored, confidential support to help them stay well. Our recommendations align with those points made from the evidence base, specifically that peer support and reflective interventions could help to promote the well-being of public safety leaders, and that more research is needed into their health and well-being to develop the emerging evidence base and inform new approaches to support.
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 | 0,142 | 0,385 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,026 | 0,020 |
| Études des sciences et des technologies | 0,005 | 0,017 |
| Communication savante | 0,024 | 0,028 |
| Science ouverte | 0,005 | 0,014 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».