Criminal Careers of Juvenile Sex and Nonsex Offenders
Notice bibliographique
Résumé
Developmental criminologists have criticized typologies of juvenile sex offenders (JSOs) for assuming that JSOs involved in nonsexual offending are a homogenous group. However, this criticism has remained largely conceptual. To help empirically address the validity of this criticism, offending trajectories from age 12 to 23 were measured for a sample of male JSOs ( n = 52) and juvenile nonsex offenders (JNSOs; n = 231) interviewed as part of the Incarcerated Serious and Violent Young Offender study. Within this predominantly Caucasian sample, whether offender status (JSO/JNSO) or risk factors were better indicators of trajectory group membership was examined. Four unique offending trajectories emerged, namely, a low-rate offending trajectory, a bell-shaped offending trajectory, a slow-rising chronic trajectory, and a high-rate chronic trajectory. The relatively equal distribution of JSOs in each trajectory indicated that the criminal behavior committed by this group was not expressed by just one pattern. Further, the prevalence of JSOs in each trajectory mirrored the prevalence of JNSOs in the same trajectory, suggesting that having a sex offense in adolescence was not informative of general offending patterns. Individual and familial-level risk/needs factors were better indicators of trajectory membership. Implications for existing typologies of JSOs are discussed.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».