The Prediction of Recidivism with Aboriginal Offenders: A Theoretically Informed Meta-Analysis
Notice bibliographique
Résumé
Research has established eight theoretically based central risk/need factors predictive of recidivism; however, there is little research examining the applicability of these risk factors to Aboriginal offenders. A meta-analysis was undertaken to examine whether (1) criminal history, (2) pro-criminal attitudes, (3) pro-criminal associates, (4) antisocial personality pattern, (5) employment/education, (6) family/marital, (7) substance abuse, and (8) leisure/recreation are applicable to Aboriginal offenders and whether these factors predict recidivism equally well for this group as they do for non-Aboriginal offenders. Thirty-two reports/articles and 12 data sets were reviewed which yielded 49 independent samples producing 1,908 effect sizes. Using both random and fixed effects analyses, results indicated that all of the central eight risk/need factors were predictive of general and violent recidivism for Aboriginal offenders; however, some factors predicted significantly better for non-Aboriginal offenders. This review also examined other factors (e.g., history of victimization and emotional factors) and there was an attempt to evaluate Aboriginal-specific risk factors (e.g., cultural identity) but no empirical studies existed on the latter. Limitations and future directions are discussed, but overall, the results support the position that the central eight risk factors are valid predictors of recidivism for Aboriginal offenders.
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 | 0,025 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,039 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».