Linking serial sexual offences: Moving towards an ecologically valid test of the principles of crime linkage
Notice bibliographique
Résumé
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 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 | 0,001 | 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 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».