Correlates of admitted sexual interest in children among individuals convicted of child pornography offenses.
Notice bibliographique
Résumé
Recent research on a risk assessment tool for child pornography offending suggests that admission of sexual interest in children is a risk factor for any sexual recidivism. Admission is easily vulnerable to lying, however, or to refusals to respond when asked about sexual interests. This may become a particular issue when individuals are concerned about the potential impact of admission of sexual interest on sentencing and other risk-related decisions. In this study, we identified the following behavioral correlates (coded yes/no) of admission of sexual interest in children in the risk tool development sample of 286 men convicted of child pornography offenses: (a) never married (54% of sample), (b) child pornography content included child sexual abuse videos (64%), (c) child pornography content included sex stories involving children (31%), (d) evidence of interest in child pornography spanned 2 or more years (55%), (e) volunteered in a role with high access to children (7%), and (f) engaged in online sexual communication with a minor or officer posing as a minor (10%). When summed, the average score on this Correlates of Admission of Sexual Interest in Children (CASIC) measure was 2.21 (SD = 1.22, range 0-6) out of a possible 6, and the CASIC score was significantly associated with admission of sexual interest in children, area under the curve (AUC) = .71, 95% CI [ .65, .77]. The CASIC had a stronger relationship with admission in a small cross-validation sample of 60 child pornography offenders, AUC = .81, 95% CI [.68, .95]. CASIC scores may substitute for admission of sexual interest in risk assessment involving those with child pornography offenses. (PsycINFO Database Record
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) | 0,001 | 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 | 0,001 | 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 ».