Can Stalking Be Used as a Risk Factor in Predicting Rates, Severity, and Frequency of Intimate Partner Violence Recidivism?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Research has indicated that stalking is a prevalent crime in North America. Despite this concern, the current laws do not adequately protect victims from stalking recidivism. This contributes to victims often being revictimized. Moreover, victims may experience many detrimental concerns, particularly prolonged psychological and social problems. Stalking-related behaviours have also been associated with intimate partner violence (IPV). Specifically, stalking victims are at risk of experiencing more severe physical violence from a former partner. Although there are many validated IPV risk assessment tools such as the Ontario Domestic Assault Risk Assessment (ODARA), stalking risk tools have been found to be moderate, at best, in terms of their psychometric properties. The aim of this study is to examine whether IPV perpetrators who have stalked their victims differ from those who do not stalk in terms of recidivism risk, rates, frequency, and severity. Additionally, we examine whether stalking can be used as a risk factor to better predict the time until recidivism occurs. This study initially included 249 IPV cases that were reported to police in 2017. One hundred of these cases were selected for follow-up and were coded for recidivism outcomes. Results indicate that those who stalk differ on some recidivism variables from those who do not stalk. Moreover, the addition of stalking as a risk factor to the validated risk tool, ODARA, did not incrementally improve prediction of the time until recidivism occurred. The implications of these findings will be discussed. Department: Psychology Faculty Mentor: Dr. Sandy Jung
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.
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 | 0,004 | 0,002 |
| 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 | 0,001 |
| 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 découle