“We Boil at Different Degrees”: Factors Associated With Severity of Attack in Sexual Killing
Notice bibliographique
Résumé
Degree of injury, as measured by the Homicide Injury Scale (HIS), was examined to advance understanding of the dynamics of sexual killing. A total of 350 nonserial, male sexual killers were included, and the different ways that the sexual element of their offenses and the act of killing were connected was accounted for by determining that cases were either directly sexual (the sexual element and killing were closely bound), or indirectly sexual (killing was not a source of sexual stimulation). The two groups, direct and indirect sexual killers, were each subjected to multiple linear regression analyses to examine the group-specific relationship between level of injury and predictor variables previously found to be associated with increased severity of attack. No differences in the mean total HIS scores between the indirect and the direct cases were found, suggesting a comparable emotional intensity between the groups. However, given that the groups differed in terms of the functional role of fatal violence, severity of attack could not be sufficiently explained as driven by anger. In line with this hypothesis, different predictors appeared to be associated with increased degree of injury sustained by victims of indirect compared with direct sexual killers. As such, situational components appear to play a role in the behavior of indirect sexual killers, whereas the behavior of direct perpetrators tends to be linked with the enactment of existing deviant fantasies. The role of anger in sexual homicide is discussed further, and overall, it is argued that irrespective of whether violence was initially driven by anger, evidence of sexual arousal to severe violence must be scrutinized within sexual homicide research as well as in psycholegal contexts.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».