Strangers Versus Non-Strangers: The Nature of Police-Reported Sexual Assault Characteristics
Notice bibliographique
Résumé
Sexual assault is a prevalent crime in our society with approximately 21,500 cases of sexual assaults reported in Canada (Statistics Canada, 2015). The literature that examines the perpetrators of sexual assault has shown marked distinctions between those who were strangers and those who were known to their victims, in terms of the severity and nature of the violence used and the characteristics of the perpetrators. Many studies have been conducted using victim surveys, while fewer studies have examined police-reported sexual assaults using local police data. The current study examines a sample of 697 police-reported sexual assault cases. Stranger- and non-stranger-perpetrated sexual assaults were compared on demographic characteristics of the perpetrators and the victims, such as age and ethnicity, and the criminal history and recidivism rates of perpetrators. Our results indicate that there were many similarities, which suggest homogeneity between the two groups. However, some notable differences were also found. Specifically, stranger perpetrated sexual assaults were more often reported downtown rather than areas outside of the downtown core and during warmer months of the year. A greater proportion of stranger perpetrators had prior criminal histories and prior sexual offending histories compared to non-stranger perpetrators. Also, a greater proportion of stranger perpetrators committed recidivistic acts than non-stranger perpetrators. The findings have implications for policing in prioritizing cases and allocating resources, particularly in light of the potentially greater risk that stranger-perpetrators pose in further committing criminal acts. The use of evidence-based practices will be highlighted in this poster presentation. Discipline: Psychology Faculty Mentor: Dr. Sandy Jung
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».