MétaCan
Menu
Retour à la cohorte
Enregistrement W2904483452 · doi:10.1080/1068316x.2018.1557183

Incorporating sociocultural and situational factors into explanations of interpersonal violent crime

2018· article· en· W2904483452 sur OpenAlexaff
Louise Dixon, Leigh Harkins, Daniel Wegerhoff

Notice bibliographique

RevuePsychology Crime and Law · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCrime Patterns and Interventions
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésSituational ethicsSociocultural evolutionInterpersonal communicationPsychologyAggressionSocial psychologyContext (archaeology)CriminologyInterpersonal violencePoison controlHuman factors and ergonomicsDevelopmental psychologySociologyGeographyMedicineMedical emergency

Résumé

récupéré en direct d'OpenAlex

This review adapts a previously prescribed multifactorial model of multiple perpetrator sexual offending (Harkins, L., & Dixon, L. (2010). Sexual offending in groups: An evaluation. Aggression and Violent Behavior, 15(2), 87–99.) to more fully inform explanations of different types of interpersonal violent crime. First, factors within the sociocultural and situational contexts of the model are reviewed, as well as the interactions between them and the individual context, to examine their role in explaining a broad range of violent crimes. Exemplars of street-gang and intimate partner violence are then examined to assess how the empirical evidence supports the proposed framework. It is concluded that the adapted multifactorial model lays the foundations for fuller causal explanations of violent crime without restricting the focus to a specific crime type, or level of explanation, in addition to bridging interdisciplinary theoretical gaps.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,740
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,066
Tête enseignante GPT0,416
Écart entre enseignants0,350 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePsychology Crime and LawMême sujetCrime Patterns and InterventionsTravaux en français237 207