Developing Non-Arbitrary Metrics for Risk Communication: Percentile Ranks for the Static-99/R and Static-2002/R Sexual Offender Risk Tools
Notice bibliographique
Résumé
The aim of this article was to advance risk communication by examining percentile ranks as a non-arbitrary metric for quantifying risk. Although percentile ranks have a simple meaning, their calculation is complicated by ties (i.e., more than one offender having the same score). The strengths and weaknesses of percentile ranks are discussed, as are the options for calculating and presenting them in applied risk communication. As a demonstration, percentile ranks for Canadian sexual offenders were computed for the most popular sexual offender risk assessment tools (Static-99, Static-99R, Static-2002 and Static-2002R). The distribution of Static-99 scores was highly stable in international comparisons of sexual offenders from Canada (1990 to 2005; n = 2,011), Sweden (1993 to 1997; n = 1,278) and California (2008 to 2010; n = 37,600). The major limitation of percentile ranks is that they measure the “unusualness” of scores in a particular reference group, and may not correspond to other indicators of relative or absolute risk. Consequently, we recommend that evaluators presenting percentile ranks should consistently provide recidivism base rate information so that decision makers do not confuse the rarity of a score with estimates of absolute recidivism risk.
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 | 0,003 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».