MétaCan
Menu
Retour à la cohorte
Enregistrement W4205539690 · doi:10.1177/00938548211066911

Death in Sadistic Sexual Crimes: A Neural Network Analysis of Factors Associated With a Lethal Outcome

2022· article· en· W4205539690 sur OpenAlexaff
Julien Chopin, Éric Beauregard, Park Elliott Dietz

Notice bibliographique

RevueCriminal Justice and Behavior · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCriminal Justice and Corrections Analysis
Établissements canadiensUniversité de MontréalSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésSadistic personality disorderPoison controlInjury preventionSuicide preventionPsychologyClinical psychologyMedicinePersonalityMedical emergencySocial psychologyPersonality disorders

Résumé

récupéré en direct d'OpenAlex

This study aims to determine the factors associated with the victim’s death in sadistic sexual crimes. Specifically, this article examined whether the lethal outcome is more likely to be associated with an escalation of violence during the crime-commission process, an instrumental motivation, or the manifestation of specific sadistic fantasies. We used a database including 735 cases of sadistic sexual assaults. Among this sample, 100 sadistic sexual assaults ended with a lethal outcome. Bivariate analyses, logistic regression, and neural network models were used to identify how the different factors predicted the lethal outcome of sadistic crimes. Our results show that the expression of sadistic behaviors associated with torture and/or bodily punishment plays a fundamental role in the lethal outcome of sadistic sexual crimes. Theoretical and practical implications are discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,490
Score d'incertitude au seuil0,984

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,100
Tête enseignante GPT0,362
Écart entre enseignants0,262 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCriminal Justice and BehaviorMême sujetCriminal Justice and Corrections AnalysisTravaux en français237 207