The Impact of Known Criminals on the Proportion and Seriousness of Intimate Partner Violence Incidents
Notice bibliographique
Résumé
This study examines a hypothesis that has not received adequate scrutiny: that an important proportion of intimate partner violence (IPV) incidents, particularly those that are more serious, involve generalist offenders known to the police. Many criminological theories and empirical studies suggest that offenders are often generalists, yet few IPV studies consider this hypothesis. Based on a sample of 52,149 IPV incidents recorded by police, we found that 31% of IPV incidents involved suspects only with criminal records for non-IPV criminality, 9% involved victims only with criminal records for non-IPV criminality, and 14% involved both suspects and victims with criminal records for non-IPV criminality. Thus, 45% of IPV offenders and 23% of IPV victims had criminal records for non-IPV criminality. Multilevel regression analyses reveal that controlling for prior IPV incidents, community context, and other individual and couple variables, IPV offenders with criminal records are 16% more likely to be involved in more serious incidents, and victims of IPV with criminal records are 17% more likely to be involved in more serious incidents. In addition, IPV incidents for which both suspects and victims had criminal records were 46% more likely to be more serious incidents. These results suggest that generalist criminals known by police have an important impact on the proportion of IPV incidents, particularly the more serious ones.
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 | 0,002 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».