Friends with(out) benefits: co-offending and re-arrest
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Research shows that co-offending has contradictory effects on rates of re-arrest. On the one hand, group offending may be riskier: for example, co-offenders might be targeted by police or might snitch to protect themselves. Criminal networks may also have indirect effects: offenders embedded in criminal networks commit more offences and thus should have a higher risk of being arrested at some point. On the other hand, networks generate steady criminal opportunities with relatively low risk of arrest and high monetary benefits (e.g. drug trafficking). Few authors have empirically explored the relation between co-offending and re-arrest. This article does so using data from seven years of arrest records in the province of Quebec, Canada. The analysis is designed to explore why some offenders are re-arrested after an initial arrest while others are not. It focuses on the factors involved in re-arrest, considering two distinct levels of measures of co-offending. The first level of analysis takes into account a situational measure that indicates whether a given offence was committed by co-offenders (group offence). The second level is used to examine whether being part of a criminal network influences re-arrest. For offenders embedded in such networks, two network features (degree centrality and clustering coefficient) show that the global position of individuals within the Quebec arrest network are analysed. Our results suggest that co-offending is a crucial factor that should be taken into account when looking at the odds of being caught again. The use of generalised linear mixed model brings interesting nuances about the impact of co-offending. The article adds to the recently growing literature on the link between networks and criminal careers.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,005 | 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 découle