Crime profiles and conditional release performance of psychopathic and non‐psychopathic sexual offenders
Notice bibliographique
Résumé
Purpose. This study investigated the influence of psychopathy and sex offender subtype on criminal history, probability of being granted conditional release, and performance while on conditional release in a diverse group of violent offenders. We predicted that psychopathic sexual offenders would be associated with relatively prolific violent and sexual offending, a high probability of successful conditional release applications despite their past behaviour (resulting from ‘putting on a good show’ in a parole hearing), and poor performance in the community. Methods. Information was gathered via a correctional file review of 310 Canadian male federal offenders. Offenders were categorized into groups based on their sexual offence history (non‐sex offender, rapist, child molester, or mixed rapist/molester) and Psychopathy Checklist – Revised (PCL‐R; Hare, 2003) ratings. Their offences (sexual, violent, or non‐violent) and their complete conditional release histories were coded. Results. Psychopathy was associated with more violent and non‐violent, but not sexual, offences. A significant interaction between psychopathy and offender subtype revealed that psychopathy was associated with a greater number of sex offences within child molesters. High‐psychopathy offenders (both sexual and non‐sexual offenders) were about 2.5 times more likely to be granted conditional release than non‐psychopathic offenders. Conclusions. Psychopathy is associated with more prolific sexual offending among child molesters and – despite their extensive criminal histories and high recidivism rate – a great proficiency in persuading parole boards to release them into the community. Specialized education and training in dealing with psychopathic offenders is urgently needed.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| 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 ».