MétaCan
Menu
Retour à la cohorte
Enregistrement W2904935470 · doi:10.1111/lcrp.12144

Linking serial sexual offences: Moving towards an ecologically valid test of the principles of crime linkage

2018· article· en· W2904935470 sur OpenAlexaff
Jessica Woodhams, Matthew Tonkin, Amy Burrell, Hanne Imre, Jan Winter, Gert Jan ten Brinke, Mark Webb, Gérard Labuschagne, Craig Bennell, Leah Ashmore‐Hills, J.J. van der Kemp, Sami Lipponen, Tom Pakkanen, Lee Rainbow, C. Gabrielle Salfati, Pekka Santtila

Notice bibliographique

RevueLegal and Criminological Psychology · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCrime Patterns and Interventions
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésOptimal distinctiveness theorySimilarity (geometry)Jaccard indexSample (material)PsychologyConsistency (knowledge bases)Linkage (software)Crime sceneSeries (stratigraphy)Set (abstract data type)Test (biology)Social psychologyComputer scienceCriminologyCognitive psychologyArtificial intelligencePattern recognition (psychology)

Résumé

récupéré en direct d'OpenAlex

Purpose To conduct a test of the principles underpinning crime linkage (behavioural consistency and distinctiveness) with a sample more closely reflecting the volume and nature of sexual crimes with which practitioners work, and to assess whether solved series are characterized by greater behavioural similarity than unsolved series. Method A sample of 3,364 sexual crimes (including 668 series) was collated from five countries. For the first time, the sample included solved and unsolved but linked‐by‐ DNA sexual offence series, as well as solved one‐off offences. All possible crime pairings in the data set were created, and the degree of similarity in crime scene behaviour shared by the crimes in each pair was quantified using Jaccard's coefficient. The ability to distinguish same‐offender and different‐offender pairs using similarity in crime scene behaviour was assessed using Receiver Operating Characteristic analysis. The relative amount of behavioural similarity and distinctiveness seen in solved and unsolved crime pairs was assessed. Results An Area Under the Curve of .86 was found, which represents an excellent level of discrimination accuracy. This decreased to .85 when using a data set that contained one‐off offences, and both one‐off offences and unsolved crime series. Discrimination accuracy also decreased when using a sample composed solely of unsolved but linked‐by‐ DNA series (AUC = .79). Conclusions Crime linkage is practised by police forces globally, and its use in legal proceedings requires demonstration that its underlying principles are reliable. Support was found for its two underpinning principles with a more ecologically valid sample.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,058
score de la tête « metaresearch » (Gemma)0,175
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,058
Score d'incertitude au seuil0,307

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0580,175
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,003
Études des sciences et des technologies0,0020,005
Communication savante0,0030,005
Science ouverte0,0020,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,209
Tête enseignante GPT0,421
Écart entre enseignants0,212 · 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 source (Gemma direct ou Codex distillé), 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

Citations22
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLegal and Criminological PsychologyMême sujetCrime Patterns and InterventionsTravaux en français237 207