Discussion and Clinical Commentary on Issues in the Assessment and Prediction of Dangerousness
Notice bibliographique
Résumé
This chapter underscores the most salient and clinically pertinent elements of the book. We have chosen to organize this commentary according to components of the standard clinical evaluation process. Sociodemographic Data The data invariably suggest that perpetrators of violent acts are more likely to be young, male, single, limited in educational attainment, and from disadvantaged backgrounds. One has to remember that this is a general trend, and practice shows that many offenders do not necessarily correspond to these characteristics. Medical History With or without a history of violence, the clinical assessment of dangerousness must involve procedures that rule out organicity. Is there a head injury in the physical history of the individual that may have resulted in brain damage or dysfunction? As mentioned in Chapter 6, physical anomalies of the brain present a greater risk for violence. Of course, this does not rule out the possibility that the inherently aggressive individual placed himself in a situation for possible head injury (i.e., reckless driving, barroom brawls, missed suicide attempts, acts of revenge, etc.).Regardless of your viewpoint on the chicken or egg question, the presence and proper assessment of organicity has true implications for patient evaluation and management (Tardiff, 1992). Different signs and symptoms with respect to orientation (person, place, time), behavior, affect, and thought and perceptual processes help localize specific cerebral areas of malfunction. Saver, Salloway, Devinsky, and Bear (1996) have described the possible organic causes associated with violent behavior.
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 | 0,012 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,010 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,017 | 0,027 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,006 |
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 ».