Patterns of Change in Dynamic Risk Factors over Time in Youth Offenders
Notice bibliographique
Résumé
Risk assessments that include dynamic risk factors are increasingly being utilized within the youth justice system to predict a young person’s likelihood to reoffend, to assist with case management, and to better inform intervention services. However, most studies to date have relied solely on single-wave cross-sectional research designs that essentially treat dynamic risk factors as static. Thus, it is unclear whether and how putative dynamic risk factors change over time, a question that has significant implications for assessment and case management policy and practice. Using a widely used and validated risk assessment and case management instrument (the Youth Level of Service/Case Management Inventory), the purpose of the present study was to examine whether the dynamic risk factors outlined in the Risk-Need-Responsivity (RNR) model do in fact change over time and, if so, to investigate the effect of youth-specific predictors on these changes. Two hundred youth offenders were tracked from their first risk assessment conducted at probation to their transition out of the youth justice system. Results from generalized linear mixed modelling (GLMM) and latent class growth modelling (LCGM) analyses indicated that most dynamic risk domain scores increased over time, but that there was significant individual variation among youth at initial status and in the rate of change. Even when controlling for youth-specific factors, youth who were lower risk at the time of initial assessment increased in risk at a greater rate than higher-risk youth. Results have implications for the RNR framework, for improving the accuracy of risk assessments, and for informing treatment implementation.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».