Using latent variable- and person-centered approaches to examine the role of psychopathic traits in sex offenders.
Notice bibliographique
Résumé
The current study employed both latent variable- and person-centered approaches to examine psychopathic traits in a large sample of sex offenders (N = 958). The offenders, who had committed a range of sexual crimes, had been assessed with the Psychopathy Checklist-Revised (PCL-R; Hare, 2003). Structural equation modeling results indicated that the four-factor model of psychopathy (Hare, 2003; Neumann, Hare, & Newman, 2007) provided good representation of the dimensional nature of psychopathic traits across the sample of offenders, and that the PCL-R factors significantly predicted sexual crimes. In particular, the Affective and Antisocial psychopathy factors each predicted sexually violent crimes. Latent profile analysis results revealed evidence for a 4-class solution, with the subtypes showing distinct PCL-R facet profiles, consistent with previous research. The four subtypes were validated using sexual crime profiles. The prototypic psychopathy subtype (high on all 4 PCL-R facets) evidenced more violent sexual offenses than did the other subtypes. Taken together, the results demonstrate how variable- and person-centered approaches in combination can add to our understanding of the psychopathy construct and its correlates. (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 | 0,002 | 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 | 0,001 | 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 ».