Collaborative Research into International Perspectives on Best Practice in Sexual Offence Investigations
Notice bibliographique
Résumé
The number of incidents of sexual offences recorded by the police in England and Wales increased by 12%, when compared with the previous year, up to 116,012 reports in the year ending December 2016. The number of complainants reporting sexual offences, or accessing services designed to support victims of these types of offences, is known to represent only a very small proportion of the true number of victims. \nWhilst physical evidence is only one type of forensic evidence used in sexual offence investigations, it can be incredibly useful in identifying the perpetrator(s) of the crime. Therefore, it is imperative that the quality of any physical evidence is beyond reproach in order to maximise the potential for achieving a positive outcome. The equipment used in evidence collection, and the mechanisms by which any samples are recovered should be regularly reviewed in order to ensure that they remain fit for purpose. \nThis research has attempted to evaluate different stages of sexual offence investigations, from reporting of the offence to appropriate organisations through to the examination of the complainant in order to recover physical evidence. It has involved working alongside colleagues in Psychology and Health, as well as collaborating with external organisations such as Sexual Assault Research Centres (SARCs) and Police Forces. \nFurthermore, this research, supported by the Winston Churchill Memorial Trust, aims to examine practices in the UK, the USA and Canada to gain a better understanding of best practice and to establish mechanisms for continual sharing of this practice in the future. \nFuture plans for development of this research include setting up a ‘Sexual Offences Research Group’ with representatives across the University, as well as key partner organisations, to develop a reputation as leading researchers into the criminal, health and societal impacts of sexual offences.
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 | 0,318 | 0,322 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,013 | 0,018 |
| Études des sciences et des technologies | 0,016 | 0,054 |
| Communication savante | 0,049 | 0,032 |
| Science ouverte | 0,007 | 0,039 |
| Intégrité de la recherche | 0,011 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,002 |
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 ».