MétaCan
Menu
Retour à la cohorte
Enregistrement W1986182261 · doi:10.1080/10538712.2011.571233

Sexual Offending in Adolescence: A Comparison of Sibling Offenders and Nonsibling Offenders across Domains of Risk and Treatment Need

2011· article· en· W1986182261 sur OpenAlexaff
Natasha E. Latzman, Jodi L. Viljoen, Mario J. Scalora, Daniel Ullman

Notice bibliographique

RevueJournal of Child Sexual Abuse · 2011
Typearticle
Langueen
DomainePsychology
ThématiqueChild Abuse and Trauma
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésPsychologySiblingJuvenile delinquencyPornographySexual abuseChild sexual abuseChild abuseSuicide preventionPoison controlChild pornographyClinical psychologyDevelopmental psychologyMedicineMedical emergency

Résumé

récupéré en direct d'OpenAlex

Sibling sexual offending has received limited empirical attention, despite estimates that approximately half of all adolescent-perpetrated sexual offenses involve a sibling victim. The present study addresses this gap by examining male adolescent sibling (n = 100) and nonsibling offenders (n = 66) with regard to maltreatment histories and scores on two adolescent risk/need assessment instruments, the ERASOR and YLS/CMI. Adolescents who sexually abused a sibling, versus a nonsibling, were more likely to have histories of sexual abuse and been exposed to domestic violence and pornography. There were no group differences on ERASOR and YLS/CMI scales. This study adds to the limited discourse on sibling sexual offending and the larger literature on the heterogeneity of adolescents who have sexually offended.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,090
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,070
Tête enseignante GPT0,337
Écart entre enseignants0,267 · 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 tête enseignante, pas un consensus.

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

Citations64
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Child Sexual AbuseMême sujetChild Abuse and TraumaTravaux en français237 207