Commentary: Models and correlates of firesetting behavior.
Notice bibliographique
Résumé
From antiquity, fire has played an integral role in human survival. Numerous references to its mythical and religious significance can be found in ancient biblical and mythological texts.1–4 In modern times, however, fire has been less a symbol of reverence and too often a tool of violence and destruction.2 Every year in the United States, approximately 500,000 incendiary and suspect fires occur, causing over $2 billion in losses, 3,500 injuries, and 750 deaths.5 Ac-cording to Lyman,6 “when measured on a cost per incident basis, arson is the most expensive crime committed.” No other area of forensic practice has been more detrimentally affected by inaccurate presumption than firesetting. Fineman7 contends that such wide-spread misunderstanding is largely due to the failure of mental health professionals to dispel misconcep-tions about fire-related behavior. Clearly, it is incum-bent on mental health professionals to work with investigators and professionals across disciplines in an effort to facilitate a better understanding of fire-setting phenomena. The paper that we have been asked to comment on is potentially an important source of data on this complex behavior.8 We will begin by reviewing the literature on juvenile fireset-ting to place this article in the context of present knowledge.
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 | 0,009 | 0,079 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,007 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,009 | 0,002 |
| Intégrité de la recherche | 0,041 | 0,031 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,006 |
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 ».