MétaCan
Menu
Retour à la cohorte
Enregistrement W3127223379 · doi:10.1108/jcp-10-2020-0045

Patterns of overkill in sexual homicides

2021· article· en· W3127223379 sur OpenAlexaff
Julien Chopin, Éric Beauregard

Notice bibliographique

RevueJournal of Criminal Psychology · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCrime Patterns and Interventions
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésHomicideBivariate analysisPsychologyLogistic regressionOriginalityMultivariate statisticsPoison controlDevelopmental psychologyInjury preventionStatisticsSocial psychologyMathematicsMedicineMedical emergency

Résumé

récupéré en direct d'OpenAlex

Purpose This paper aims to explore the presence of overkill in sexual homicide. More specifically, the study examines whether overkill is a valid indicator of an organized or disorganized sexual homicide. Moreover, the study tests the presence of various patterns of sexual homicide involving overkill. Design/methodology/approach The sample used in this study consists of 662 cases of extrafamilial SHs with (n = 145) and without (n = 517) evidence of overkill, respectively. A binomial regression was used to compare at the multivariate level the two groups of crimes, while a latent class analysis was used to determine whether overkill could be associated with different patterns of sexual homicide. Findings Findings from bivariate and logistic regression analyses show that the presence of overkill may be associated with both organized and disorganized sexual homicides. Moreover, latent class analysis suggests that there are three distinct patterns of overkill in sexual homicide: impulsive, sadistic and personal. Originality/value This study is the first to empirically analyze overkill in sexual homicides and to propose a classification using crime-commission process characteristics.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,104
Tête enseignante GPT0,461
Écart entre enseignants0,357 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Criminal PsychologyMême sujetCrime Patterns and InterventionsTravaux en français237 207