Behavioural Profiles and Offender Characteristics across 111 Korean Sexual Assaults
Notice bibliographique
Résumé
Abstract Although the potential usefulness of the offence action–offender characteristic (A–C) relationships is widely accepted and operational ‘offender profiling’ units now exist around the world, few such relationships have been empirically established. To explore this, the offending action patterns within 111 sexual assault cases from South Korea were coded in terms of 16 distinctive, objective crime scene criteria and subjected to an agglomerative hierarchical cluster analysis. Background psychiatric and general characteristics, Personality Assessment Inventory (PAI) scale scores, and criminal histories were described for each cluster. The cluster analysis drew attention to six clusters or behavioural profiles within the sexual assaults. Cluster 1 included serial offenders who aggressively raped and robbed adult women, with some pseudo‐intimate sexual behaviour, in their homes. Two thirds of these offenders had histories of sexual assault. Cluster 2 included offenders who again targeted adults in their homes, but without pseudo‐intimate sexual behaviour. Cluster 3 included offenders who targeted adults outdoors at night. These offenders showed high antisocial personality PAI scores and psychiatric histories of sexual sadism. Cluster 4 included unarmed offenders who targeted adults in their homes without robbery. These offenders often had psychiatric histories of depression. Cluster 5 included offenders who targeted adults outdoors with a blitz‐style attack, and Cluster 6 included offenders who targeted minors outdoors, without weapons, using a confidence‐trick style of approach. Paedophilia and histories of psychiatric treatment were prominent amongst these offenders. The results indicate therefore some of the key empirical relationships that future research may develop as the basis for sexual assault ‘profiles’. Copyright © 2014 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 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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».