MétaCan
Menu
Retour à la cohorte
Enregistrement W1946921121 · doi:10.1002/bsl.2033

Women Who Kill Their Mates

2012· article· en· W1946921121 sur OpenAlexaffabout
Dominique Bourget, Pierre Gagné

Notice bibliographique

RevueBehavioral Sciences & the Law · 2012
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHomicide, Infanticide, and Child Abuse
Établissements canadiensRoyal Ottawa Mental Health Centre
Organismes subventionnairesnon disponible
Mots-clésPoison controlHuman factors and ergonomicsSuicide preventionInjury preventionComputer securityBiologyMedical emergencyMedicineComputer science

Résumé

récupéré en direct d'OpenAlex

Spousal homicide perpetrators are much more likely to be men than women. Accordingly, little research has focused on delineating characteristics of women who have committed spousal homicide. A retrospective clinical review of coroners' files containing all cases of spousal homicide occurring in Quebec over a 20-year period was carried out. A total of 276 spousal homicides occurred between 1991 and 2010, with 42 homicides by female spouses and 234 homicides by male spouses. Differences between homicides committed by female offenders and male offenders are discussed, and findings on spousal homicide committed by women are compared with those of previous studies. Findings regarding offenses perpetrated by females in the context of mental illness, domestic violence, and homicide-suicide are explored. The finding that only 28% of the female offenders in the Quebec sample had previously been subjected to violence by their victim is in contrast to the popular belief and reports that indicate that most female-perpetrated spousal homicide occurs in self-defense or in reaction to long-term abuse. In fact, women rarely gave a warning before killing their mates. Most did not suffer from a mental illness, although one-fifth were acutely intoxicated at the time of the killing. In the vast majority of cases of women who killed their mates, there were very few indicators that might have signaled the risk and helped predict the violent lethal behavior.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,066
Score d'incertitude au seuil0,131

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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.

Tête enseignante Opus0,066
Tête enseignante GPT0,342
Écart entre enseignants0,276 · 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

Citations45
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBehavioral Sciences & the LawMême sujetHomicide, Infanticide, and Child AbuseTravaux en français237 207