A cluster analytic examination and validation of adult victim sexual offending subtypes in two Canadian samples
Notice bibliographique
Résumé
The development and validation of sexual offense perpetrator typologies remains a useful endeavor with implications for theory and correctional/clinical practice. Most such typologies—which rely on factors such as the individual’s motivation for offending—have not been validated empirically. The current study utilized a validated sexual violence risk-needs instrument, the Violence Risk Scale—Sexual Offense version (VRS-SO; Wong, Olver, Nicholaichuk, & Gordon [2003, 2017], Regional Psychiatric Centre and University of Saskatchewan, Saskatoon, Canada), to develop and validate an empirically-derived adult victim sexual offense (AVSO) typology through model-based cluster analysis of dynamic risk-need domains. The study featured two treated samples of men (n = 283 and 169) convicted for contact sexual offenses against adult victims. A three-cluster solution was identified and replicated across the two samples: high antisociality high deviance (HA-HD), high antisociality low deviance (HA-LD), and low antisociality low deviance (LA-LD). External validation analyses demonstrated that HA-HD men had more dense sexual offense histories, were more likely to be diagnosed with a paraphilia, and had the highest rates of sexual recidivism (Sample 2 only). By contrast, the HA-LD men had greater concerns on indexes of nonsexual criminality, particularly high base rates of antisocial personality and substance use disorders, and high rates of general violent recidivism (particularly Sample 1). The findings suggest that the VRS-SO factors may have utility in discriminating between AVSO types to inform sexual offending theory, case formulation, and risk management.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».