Denial and its relationship with treatment perceptions among sex offenders
Notice bibliographique
Résumé
Abstract We examined the relationship between denial/minimization and treatment perceptions using multiple measures of each construct in a sample of 185 adult male sex offenders. Denial/minimization was measured with the Comprehensive Inventory of Denial—Sex Offender version (CID-SO), Sex Offender Acceptance of Responsibility Scales (SOARS), and an item from a risk assessment measure (Sexual Violence Risk-20; SVR-20). Treatment perceptions were measured with the treatment readiness scale of the Multiphasic Sex Inventory (MSI and MSI-II) and the treatment rejection scale of the Personality Assessment Inventory (PAI). Most aspects of denial and minimization had significant moderate to strong associations with more negative perceptions of treatment. Questions about the distinctiveness versus overlap between measures of denial/minimization and treatment perceptions notwithstanding, our findings are consistent with conceptualizations in past research and practice that greater denial/minimization is associated with lower motivation for treatment. Rather than excluding deniers from treatment, additional efforts are required to engage higher risk sex offenders exhibiting denial and minimization. Keywords: denialminimizationtreatment motivationsex offenders Acknowledgments We thank Northern Alberta Forensic Psychiatry Services for facilitating access to these data, and Melissa Daniels, Lisa Jamieson, John DeCesare, and Shayla Stein for assisting with the coding, retrieval, and organization of the data. This research was funded, in part, by Grant MacEwan University.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».