Psychopathy and offence severity in sexually aggressive and violent youth
Notice bibliographique
Résumé
BACKGROUND: A large proportion of violent crimes are committed by youths. Youths with psychopathic traits may have a higher risk for recidivism and violence. AIMS/HYPOTHESES: Our aim was to compare sexually aggressive with violent young men on offence severity and psychopathy. Three hypotheses were proposed: first, young men with previous offences would display a progressive increase in seriousness of offence during their criminal career; secondly, the sexually aggressive and violent young men would not differ in scores on the Hare Psychopathy Checklist: Youth Version (PCL:YV); but, thirdly, PCL:YV scores would be positively correlated with the severity of the index crime, as measured by the Cormier-Lang System for Quantifying Criminal History. METHODS: Information was collected from the files of 40 young men in conflict with the law, and the PCL:Youth Version (YV) rated from this by trained raters. RESULTS: The offences of these young men became more serious over time, but we found no association between PCL:YV scores and offence type or seriousness. CONCLUSIONS AND IMPLICATIONS: This exploratory research suggests the importance of understanding the progression in offending careers, but a limited role for the PCL:YV in doing so. Given the small sample size, however, and the limit on access to information about details of age, the findings need replication.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».