Analyse quantitative de la carrière criminelle des internautes effectuant du leurre d’enfants
Notice bibliographique
Résumé
Objectifs: L’objectif principal de ce mémoire consiste à comprendre les caractéristiques des carrières criminelles d’individus connus de la police pour avoir perpétré une infraction de leurre d’enfants sur Internet. Aussi, par une analyse typologique à l’aide des antécédents criminels, il sera possible d’établir une typologie d’individus ayant leurré des enfants sur Internet. Également, il sera question de vérifier s’il y a un lien entre les caractéristiques des antécédents criminels de ces individus sur la perpétration de l’agression sexuelle hors ligne. Méthodologie: Provenant de données officielles de la communauté policière du Québec, l’échantillon comprend les parcours de criminels ayant perpétré une infraction de leurre d’enfants sur Internet. Des analyses descriptives en lien avec les différents paramètres de la carrière criminelle seront effectuées. Ensuite, des tests de moyenne et une analyse de régression Cox permettront de vérifier la présence ou non d’un lien statistique entre les caractéristiques des antécédents criminels des individus connus de la police pour leurre d’enfants sur Internet et le passage à l’acte physique. Résultats: Les analyses ont montré que la majorité des sujets n’avaient aucun antécédent judiciaire. Pour la plupart, le leurre d’enfants est le crime le plus grave perpétré au cours de leur carrière criminelle. Trois catégories d’individus ont été décelées : les amateurs, les spécialistes et les généralistes. Ce sont les individus polymorphes ayant une carrière criminelle plus grave et plus longue qui sont portés à agresser sexuellement avant le leurre. Cependant, ce sont des individus spécialisés ayant une importante proportion de délits sexuels dans leurs antécédents criminels qui ont plus de chance d’agresser sexuellement suite à l’exploitation sexuelle sur Internet.
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 | 0,006 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».