Risky Business: Predicting Recidivism
Notice bibliographique
Résumé
Society has become more and more preoccupied with both the ascertainment and avoidance of risk. This preoccupation has permeated the criminal justice system and courts are increasingly being required to evaluate the risk of reoffending, when considering the imposition of sentences and other control measures, particularly in regard to crimes of violence and sexual offending. This has resulted in the need for reliable risk assessment tools and expert evidence to assist judges in their task. While health professionals have willingly provided such assistance, it is apparent that even the current generation of risk assessment tools are not without their limitations. This has led to some commentators suggesting that such tools merely provide a veil of science over what really are moral and ethical questions as to which offenders pose an unacceptable danger to society. While not subscribing to that view, this article emphasises the need for experts to convey the limitations of such instruments clearly to the courts. It also suggests that any tools used must be aligned with the statutory criteria and that such tools must be used in combination with an individualised assessment of risk for each offender. The reasoning process must be transparent and set out clearly for the court. As sentences based on risk have the potential to place major restrictions on the rights of offenders, courts must have as much assistance as possible in the task of balancing the human rights of offenders with the risk to public safety posed by such offenders. R v Peta [2007] 2 NZLR 627 (CA) is used as a case study to illustrate both what can go wrong, as well as an example of best practice in this often precarious balancing exercise.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».