Understanding the Latent Structure of Dynamic Risk: Seeking Empirical Constraints on Theory Development Using the VRS-SO and the Theory of Dynamic Risk
Notice bibliographique
Résumé
The present study is part of a larger project aiming to more closely integrate theory with empirical research into dynamic risk. It seeks to generate empirical findings with the dynamic risk factors contained in the Violence Risk Scale—Sexual Offense version (VRS-SO) that might constrain and guide the further development of Thornton’s theoretical model of dynamic risk. Two key issues for theory development are (a) whether the structure of pretreatment dynamic risk factors is the same as the structure of the change in the dynamic risk factors that occurs during treatment, and (b) whether theoretical analysis should focus on individual dynamic items or on the broader factors that run through them. Factor analyses and item-level prediction analyses were conducted on VRS-SO pretreatment, posttreatment, and change ratings obtained from a large combined sample of men ( Ns = 1,289–1,431) convicted and treated for sexual offenses. Results indicated that the latent structure of pretreatment dynamic risk was best described by a three-factor model while the latent structure of change items was two dimensional. Prediction analyses examined the degree to which items were predictive beyond prediction obtained from the broader factor that they loaded on. Results showed that for some items, their prediction appeared to be largely carried by the three broad factors. In contrast, other items seem to operate as funnels through which the broader factors’ predictiveness flowed. Implications for theory development implied by these results are identified.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| 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 ».