Supervision trajectories of male juvenile offenders: growth mixture modeling on SAVRY risk assessments
Notice bibliographique
Résumé
BACKGROUND: Structured risk/need assessment tools are increasingly used to orientate risk reduction strategies with juvenile offenders. The assumption is that the risk/need items on these tools are sufficiently sensitive to measure changes in the individual, family and/or contextual characteristics of juvenile offenders. However, there is very little research demonstrating the capacity of these tools to measure changes in juvenile offenders. Congruent with the developmental and life-course criminology theories (DLC) the objective of this study is to explore the existence of heterogeneous trajectories of juvenile offenders across the juvenile justice system as measured through five empirical risk/need areas based on the Structured Assessment of Violence Risk in Youth (SAVRY), one of the most widely applied risk assessment tools for juveniles. METHODS: This longitudinal study included 5205 male juvenile offenders who transitioned through the Catalan juvenile justice system between 2006 and 2014. During intervention they received at least two, and a maximum of seven, consecutive SAVRY risk/need assessments over an 18-month period. The heterogeneity of latent class trajectories was explored through growth mixture modeling (GMM). The trajectory class membership was linked to covariates through multinomial logistic regression analyses. RESULTS: Through GMM three to four heterogeneous trajectories, with high quality of separation, were identified in each of the risk/need areas. The trajectories with low risk/needs (45-77% of the sample) remained low and presented a very limited increase in risk/needs during the 18-month period. The high risk/need trajectories (20-37% of the sample) showed a limited decrease or no change. Between 5 and 13% of the sample had large reductions in their risk/needs levels, and approximately 5% showed a large increase in risk/needs. CONCLUSIONS: In line with the DLC theories this study shows that trajectories on criminogenic risk/needs can be heterogeneous and indicate distinct rates of change over time. The results of this study also may suggest a limited sensibility to measure change over time of SAVRY's risk and protective items. Suggestions to improve the sensitivity of measuring change over time, such as shorter time frames or future-oriented time frames for the scoring of the items, are offered.
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 | 0,006 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».