Non-Specialization of Criminal Careers Among Intimate Partner Violence Offenders
Notice bibliographique
Résumé
Many men arrested for intimate partner violence (IPV) commit other types of criminal offenses as well. We examined 93 IPV offenders’ general offending and tested the ability of criminal career trajectory and an IPV-specific risk assessment (Ontario Domestic Assault Risk Assessment [ODARA]) to predict post-index recidivism 7.5 years later. Most (71%) had pre-index criminal charges, and most (62%) had post-index criminal recidivism, although fewer (24%) committed post-index IPV. Pre-index criminal career (defined as none, non-violent, violent, IPV) did not predict post-index IPV, whereas the ODARA predicted post-index IPV, area under the curve (AUC = .67), as well as other offenses with a moderate or large effect size, including stalking (AUC = .78), sexual assault (AUC = .67), and non-violent offenses (AUC = .74). In line with prior research findings, we conclude that many men arrested for IPV do not specialize in their criminal careers and that risk assessment in these cases could include risk of both IPV and other offenses. Furthermore, the ODARA holds promise for assessing general risk of recidivism among IPV 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 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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».