A heuristic study of the similarities and differences in offender characteristics across potential and successful serial sexual homicide offenders
Notice bibliographique
Résumé
This heuristic study examined potential serial sexual homicide offenders (SSHOs), an unacknowledged offender group comprised of aspiring and probable SSHOs, and compared them with successful SSHOs. Data were collected on six aspiring SSHOs who each failed a single homicide attempt, 16 probable SSHOs who committed 17 homicides in separate events, and 13 successful SSHOs who killed 90 victims in separate events. The study results indicate that while potential SSHOs share more in common with successful SSHOs than they do with single-victim nonsexual homicide offenders, and that there is an overlap between potential SSHOs and successful SSHOs, there is currently insufficient evidence to suggest that there are discreet transitions among categories. While few potential SSHOs strive to become successful SSHOs, this may be due to weak or nonexistent emotional triggers. Being a potential SSHO does not appear to be a predictable first step on a pathway towards becoming a successful SSHO, as potential SSHOs cannot reliably be thought of as prospective SSHOs if all things were equal. The present study could not foresee all potential SSHOs becoming successful ones. An as yet unidentified number of factors still appear to separate potential SSHOs from successful SSHOs.
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 | 0,001 | 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 | 0,001 | 0,002 |
| 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 ».