Sexual Abuse of Elderly Victims Investigated by the Police: From Motives to Crime Characteristics
Notice bibliographique
Résumé
Elderly sexual abuse has been almost completely ignored from researchers and practitioners alike. However, the occidental population is aging and living longer, suggesting that the number of cases of elderly sexual abuse should increase. Moreover, elderly sexual assaults have been described as being more violent, resulting in more severe injuries, and are more frequently committed by strangers, making criminal investigations more difficult to solve. The current study aims to identify the various motivations associated with elderly sexual abuse and to test whether it is possible to link offender and modus operandi characteristics to these motivations. In other words, the main objective is to identify "why" the elderly are sexually abused, "how," and "by whom"? Using two-step cluster analysis on a sample of 128 cases of extra-familial elderly sexual assaults (aged 65 years or more) from France, four clusters of offenders' motivation were identified. Congruent with previous studies, results showed that elderly sexual abuse was motivated by sex, anger, and opportunities. However, a fourth cluster was identified, describing offenders motivated by experimentation. These offenders, in addition to being young with a lack of criminal experience, were also more likely to perform the most intrusive sexual acts and to use physical violence, sometimes to the point of killing their victim. To test the external validity of our cluster solution, a series of bivariate analyses were conducted. Results showed that the four motivations were also associated with specific offender and crime characteristics. These findings highlight the importance of looking at the motivations underlying elderly sexual abuse to suggest better interventions strategies as well as improve the criminal investigation of these cases.
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 | 0,001 |
| 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) | 0,000 | 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 ».