GOVERNMENT COSTS ASSOCIATED WITH DELINQUENT TRAJECTORIES
Notice bibliographique
Résumé
The objectives of this project were to: (a) identify early trajectories of delinquency for both boys and girls at ages 8 (Grade 3), 11 (Grade 6), and 14 (Grade 9) in a longitudinal sample of 842 at-risk youth from a multi-informant perspective (i.e., parents, teachers, self-reported youth ratings), and (b) estimate the costs associated with each delinquency trajectory on utilization of resources in the criminal justice system, remedial education, health care and social services, and social assistance. The results indicated six distinct trajectories of delinquency: two low groups, two desisting groups, an escalator group, and a high delinquency group. There were significantly more females than males in the two<em> low delinquency</em> trajectory groups, <em>p </em>&lt; .05 for both analyses. Furthermore, both the youth from the two <em>desisters</em> trajectory groups (13% of the sample) and from the two most at-risk trajectories (<em>escalators</em> and <em>high delinquency</em>, 5% of the sample) each accounted for approximately 40% of the estimated costs to government. It is interesting to note that 80% of the estimated <em>Criminal Justice</em> costs were due to the <em>high delinquency</em> and <em>escalators</em> trajectory groups. Antisocial or delinquent girls cost society more money than antisocial or delinquent boys in all domains, with the exception of the <em>Social Assistance</em> domain<strong>. </strong>Implications for crime prevention 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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».