MétaCan
Menu
Retour à la cohorte
Enregistrement W1531077950 · doi:10.1002/jip.1369

The Course of Case Linkage Never Did Run Smooth: A New Investigation to Tackle the Behavioural Changes in Serial Car Theft

2012· article· en· W1531077950 sur OpenAlexaff
Kari Davies, Matthew Tonkin, Ray Bull, John W. Bond

Notice bibliographique

RevueJournal of Investigative Psychology and Offender Profiling · 2012
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCrime Patterns and Interventions
Établissements canadiensGovernment of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésLinkage (software)ModerationOptimal distinctiveness theoryPsychologyConsistency (knowledge bases)Selection (genetic algorithm)Social psychologyCognitive psychologyAffect (linguistics)Computer scienceCommunicationArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract This study aimed to investigate the case linkage principles, behavioural consistency and distinctiveness, with a sample of serial car thieves. Target selection, acquisition, and disposal behaviours, as well as geographical and temporal behaviours, were examined. The effects of temporal proximity and offender expertise were also investigated as moderating factors of behavioural consistency. As in previous case linkage research, geographical and some target selection behaviours were able to predict whether crime pairs are linked or unlinked at a statistically significant level. Crucially, it was also found that temporal behaviours demonstrate a significant capability to predict linkage status, a variable which has never before been applied to the prediction of linkage in serial car theft. Furthermore, it was demonstrated that changing the operationalisation of the behavioural domains can affect the results obtained. No support was found for the moderation of behavioural consistency on the basis of temporal proximity or expertise. Overall, the results support previous case linkage studies, furthering their practical applicability within the criminal justice system. Copyright © 2012 John Wiley & Sons, Ltd.

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)0,003
score de la tête « metaresearch » (Gemma)0,020
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 enseignants0,005
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
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 Opus0,152
Tête enseignante GPT0,407
Écart entre enseignants0,256 · 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

Citations38
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Investigative Psychology and Offender ProfilingMême sujetCrime Patterns and InterventionsTravaux en français237 207