The PCL–R and capital sentencing: A commentary on “Death is different” DeMatteo et al. (2020a).
Notice bibliographique
Résumé
DeMatteo et al. (2020a) published a Statement in this journal declaring that the Psychopathy Checklist-Revised (PCL-R) “cannot and should not” be used in U.S. capital-sentencing cases to assess risk for serious institutional violence. Their stated concerns were the PCL-R’s “imperfect interrater reliability,” its “variability in predictive validity,” and its prejudicial effects on the defendant. In a Cautionary Note, we (Olver et al., 2020) raised questions about the Statement’s evaluation of the PCL-R’s psychometric properties, presented new data, including a meta-meta-analysis, and argued that the evidence did not support the Statement’s declaration that the PCL-R “cannot” be used in high stakes contexts. In their reply, titled “Death is Different,” DeMatteo et al. (2020b) concurred with several points in our Cautionary Note, disputed others, asserted that we had misunderstood or mischaracterized their Statement, and dismissed our new data and comments as irrelevant to the Statement’s purpose. This perspective on our commentary is inimical to balanced academic discourse. In this article, we contend that DeMatteo et al. (2020b) underestimated the reliability and predictive validity of PCL-R ratings, overestimated the centrality of the PCL-R in sentencing decisions, and underplayed the importance of other factors. Most of their arguments depended on sources other than capital cases, including mock trials, Sexually Violent Predator (SVP) hearings, and studies that included the prediction of general violence. We conclude that the rationale for the bold “cannot and should not” decree is open to debate and in need of research in real-life venues.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».