Notice bibliographique
Résumé
I will begin by examining the term serial itself and its importance in the notion of the serial killer. What does the term serial say? It draws on series - a term often used in reference to novels, films and, quite literally, the television series. Series carries notions of multiple segments that are all linked in some way. There is an ongoing nature to the series - when one segment ends, another begins. The series creates anticipation, anxiety of what is to come and a hope for closure. As "serial killer" is a relatively new term it becomes possible to trace its inception and examine what is being revealed in this naming process. I then go to illustrate how this term serial is what sets serial killing apart from other forms of multiple murder (such as mass murder, spree killing, terrorism and assassination). I will explore the features of the serial killer that appear to make it unique to the collective by developing the language of the accounts of understanding the serial killer: the profiling account, the study of numbers, facts and statistics as a way to apprehend and comprehend the serial killer; the logical extension of society account, where the serial killer is a reflection of society from concerns with the individual to celebrity and consumerism; and the serial killer account, where the serial killer explains his own motivations. In looking at these accounts it becomes possible to see the cliches that are used to discuss the serial killer and how these reveal thoughts and fears of the collective, rather than providing the insight on the serial killer that the accounts are seeking.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,003 | 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 ».