Social change and cohort differences in group-based arrest trajectories over the last quarter-century
Notice bibliographique
Résumé
This article draws on official criminal histories for multiple birth cohorts spanning a 17-y difference in birth year to study how social change can alter our understanding of influential theories and policies about criminal offender groups. Arrest histories are linked to comprehensive longitudinal measurement on over 1,000 individuals originally from Chicago. Using group-based trajectory modeling, we investigated the magnitude and type of cohort differences in trajectories of arrest over the period 1995 to 2020. Our results show that trajectory group membership varies strongly by birth cohort. Membership in the nonoffender group is nearly 15 percentage points higher for cohorts born in the mid-1990s as compared to those born in the 1980s; conversely, older cohorts are more likely to be members of adolescent-limited and chronic-offender groups. Large cohort differences in trajectory group membership persist after controlling for a wide-ranging set of demographic characteristics and early-life risk factors that vary by cohort and that prior research has identified as important influences on crime. Not only does the effect of social change on cohort differentiation persist, but its magnitude is comparable to-indeed larger than-differences in trajectory group membership associated with varying levels of self-control or by whether individuals grew up in high-poverty households. These results suggest that changes in the broader social environment shared by members of the same birth cohort are as powerful in shaping their trajectory group membership as classic predictors identified in prior research, a finding that carries implications for crime-control policies that rely on prediction.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».