Prediction of Recidivism in Exhibitionists: Psychological, Phallometric, and Offense Factors
Notice bibliographique
Résumé
Exhibitionists have traditionally been regarded as nuisance offenders. However, empirical studies show that some offenders can be highly recidivistic and can escalate to incidents of Hands-on sexual assault. The objective of this study was to investigate predictors of recidivism in exhibitionists and clarify the differences between Hands-on and Hands-off sexual recidivists. The hundred and twenty-one exhibitionists were assessed at a university teaching hospital between 1983 and 1996. Archival data came from medical files and police files. The Psychopathy Checklist-Revised (PCL-R) was assessed retrospectively. Results indicated that over a mean follow-up period of 6.84 years, 11.7, 16.8, and 32.7% of exhibitionists were charged with or convicted of sexual, violent, or criminal offenses, respectively. Sexual reoffending recidivists were less educated, and had more prior sexual and criminal offenses. Violent, recidivists were also less educated, had lower Derogatis Sexual Functioning Inventory (DSFI) scores, higher PCL-R Totals, and more prior sexual, violent, and criminal offenses. Criminal recidivists were younger, less educated, had lower DSFI scores, higher PCL-R scores, higher Pedophile Indices, and more prior sexual, violent, and criminal offenses. Hands-on sexual recidivists demonstrated higher PCL-R ratings, higher Pedophile and Rape indices, and more prior sexual, violent, and criminal offenses than did Hands-off counterparts.
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 | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».