An action phase approach to offender profiling
Notice bibliographique
Résumé
Purpose Continued debate surrounds whether or not offender profiling is a valid practice. Critics have mainly contended that few studies have produced clear, quantifiable, evidence of a link between crime scene actions (A) and offender characteristics (C). Arguing that this is due to a failure to study offender actions as part of a dynamic decision‐making process, this study sought to identify action phases that are representative of the general decisions an offender must make during the commission of a sexual offence, and relate these decisions to known characteristics of the offender (C). Methods Two‐step cluster analyses were performed on data from 347 stranger sexual offences, committed by 69 serial sexual offenders, by action phase: (1) search ; (2) selection ; (3) approach ; (4) assault ; and also for an offender's (5) characteristics . Multiple correspondence analysis ( MCA ) was then utilized to investigate the inter‐relationship of action phase clusters and offender characteristics. Results The MCA results indicated that specific behavioural macro‐clusters formed across the various actions phase and offender characteristic clusters in a meaningful way. Additionally, the macro‐clusters themselves corresponded to the extant literature on sexual assault, revealing several points of congruence between offender crime scene actions and offender characteristics. Conclusion The results of the study demonstrate that when crime scene behaviours are interpreted within a dynamic decision‐making process (i.e., utilizing action phases), reliable and valid empirical links may potentially be drawn between an offenders behavioural actions and their characteristics.
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 | 0,001 | 0,001 |
| 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 ».