A Multi-Wave Longitudinal Examination of how Strengths and Risks Inform Risk Assessment and Treatment Profiles For Justice-Involved Men and Women using The Service Planning Instrument (SPIn)
Notice bibliographique
Résumé
Research is needed focusing on the predictive nature of dynamic risk and strength score changes and whether there are gender differences. Study 1 used a sample of 11,953 men and 2,877 women under community supervision with Service Planning Instrument re-assessment data. Using a multi-wave longitudinal design, hierarchical linear modeling was conducted to assess patterns of change in total dynamic risk and strength scores over a 30-month period. Change parameters (intercepts and slopes) were incorporated into regression models for each gender linking change to technical violations, new charges, violent charges, and any negative outcome. Total dynamic risk scores decreased overtime and total dynamic strength scores increased overtime for both genders. For men, change in dynamic risk scores was predictive of all four outcomes, whereas for women, change in dynamic risk scores was not predictive of violent charges. Change in dynamic strength scores predicted technical violations for both genders. Using 6,675 men and 1,684 women, Study 2 examined typologies of gender-informed risks and strengths. Latent profile analyses were conducted for men and women at three timepoints: Time 1 = first assessment, Time 2 = 3 to 8 months post initial assessment, and Time 3 = 9 to 14 months post initial assessment. Three profiles consistently emerged at each timepoint for women: low risk/low strength; gender-responsive, low risk/high strength; and aggressive, complex need/low strength (scoring high on both gender-responsive needs and gender-neutral risk factors). Men were classified into five profiles: low risk/low strength; aggressive, complex need/low strength; moderate risk/moderate strength; low risk/high strength; and low stability, complex need/low strength. At Time 3, a sixth profile of men emerged: moderate complex need/low strength. Profiles characterized as aggressive with complex needs had the highest rate of reoffending for both genders. Findings indicate that both men and women exhibit minimal changes in total dynamic risk and strength scores overtime. While change scores on total dynamic risk are predictive of reoffending outcomes, more research assessing the dynamic nature of strengths is needed to further inform risk assessment protocols. Results indicate more similarities than differences in typological structure of men and women, although heterogeneity for men increased overtime.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,010 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».