Actuarial risk assessment of sexual offenders: The psychometric properties of the Sex Offender Risk Appraisal Guide (SORAG).
Notice bibliographique
Résumé
The Sex Offender Risk Appraisal Guide (SORAG) is one of the most commonly used actuarial risk assessment instruments for sexual offenders. The aims of the present field study were to examine the predictive validity of the German version of the SORAG and its individual items for different offender subgroups and recidivism criteria in sexual offenders released from the Austrian Prison System (N = 1,104; average follow-up period M = 6.48 years) within a prospective-longitudinal research design. For the prediction of violent recidivism the German version of the SORAG yielded an effect size of AUC = .74 (p < .001, 95% CI = .70-.78). The predictive accuracy for general and violent recidivism was slightly higher than for general sexual and sexual hands-on recidivism. The effect sizes were found to be higher for the child molester sample than for rapists. However, the differences were significant only for general recidivism (z = 2.48, p = .001). Further analyses exhibited the SORAG to have incremental predictive validity beyond the VRAG and the PCL-R, and to remain the only significant predictor for violent recidivism once all 3 instruments were forced into a combined regression model. Twelve out of the 14 SORAG items were found to have a significant positive relationship with violent recidivism. The comparison of the relative and absolute risk indices between the Austrian and the Canadian samples showed that the normative data distribution yielded more (absolute risk indices) or less (relative risk indices) meaningful differences between the 2 countries. (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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,005 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».