Can We Distinguish Juvenile Violent Sex Offenders, Violent Non-sex Offenders, and Versatile Violent Sex Offenders Based on Childhood Risk Factors?
Notice bibliographique
Résumé
Understanding the developmental precursors of juvenile violent sex offending can contribute to the promotion of effective early intervention and prevention programs for high-risk children and youth. However, there is currently a lack of research on the early characteristics of adolescents who commit violent sex offenses. Drawing on the literature regarding the generalist and specialist positions of criminal behavior, the aim of the present study was to compare childhood risk factors for three groups of juvenile offenders: (a) pure sex offenders (PSO; n = 28); (b) violent non-sex offenders (VNSO; n = 172); and (c) versatile violent sex offenders (VVSO; n = 24). Nineteen risk factors comprising four life domains (individual, family, peer, and school) were identified from a file review. Three hierarchical logistic regression analyses examined associations between risk factors and offender groups. The results reflected the underlying heterogeneity of the sample, offering support for both the specialist and generalist positions of criminal behavior. PSOs differed from VNSOs on the basis of higher odds for precocious sexual behavior. Second, VVSOs differed from VNSOs on the basis of higher odds for precocious sexual behavior, criminal family members, and an adolescent mother, as well as lower odds for poor school behavior. Third, PSOs were marginally more likely to have engaged in early overt antisocial behavior compared with VVSOs. Fourth, many of the childhood risk factors examined were not associated with any offender group. In conclusion, VVSOs appeared to differ on the greatest number of risk factors from VNSOs, suggesting that VVSOs share a more similar developmental pathway with PSOs. The prevention and future research implications of these findings are discussed.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».