16-Questions to Find Mass-Murderers, Spree-Shooters, Domestic-Terrorists, and a Study-1 of 232-School-Shooters with Controls and a Study-2 of 6-Teen-Shooters With 11-Homicidal and 12-Control Youth Rated with Ask Standard Predictor (ASP) of Violence Potential-Youth Version and the MMPI-A: Implications: Use Computer-Tests and Machine-Learning-Equations to Lower Insurance-Premiums and Prevent Church-Bankruptcy from Violent Offenses
Notice bibliographique
Résumé
630 Domestic-Terrorist-Mass-Murdering-Spree-Shooters are compared with 623-controls and separated by16-Questions with significant a=.846, p<.01, AUC=.704, p<.01 that are: (1) homicidal? (2) suicidal? (3) stressful-life-event? (4) handgun-many-weapons-access? (5) violence-planning-preparing? (6) revenge-motive? (7) eliciting-others-concern? (8) intent-leakage? (9) criminal-misconduct-history? (10) personal-grievance? (11) random-violent-behavior? (12) threatening-victims? (13) dead-male-victim? (14) targeting-person-school-or-work? (15) student-professional-work-relationship? and (15) student? Before the killing, terrorists come twice to courts, doctors, schools and human resources and are not diagnosed as dangerous. In Study-1: [from 1936-2019] 232-school-shooters are contrasted with 232-controls resulting in 414-dead, 832-injured, and 68-suicides (29%) which are analyzed with logistic-regression, F= 227.14, p<.01, df=8/455, R=.894, p<.01, R2=.8, p<.01, and separated with 8-Questions: (1) student? (2) suicidal? (3) stressful-life-event? (4) homicidal? (5) violence-planning-preparing? (6) personal-grievance? (7) handgun-access? and (8) targeting-person(s)? In Study-2: 6-teen-shooters with 11-homicidal and 12-controls are contrasted with the Ask-Standard-Predictor [ASP] Violence-Potential, Youth-Version (54-questions, a=.61, p<.01, AUC=.91, p<.01, rtest-retest=.75, p<.01, F=123.09, p<.01, and the Minnesota Multiphasic Personality Inventory Adolescent Version [MMPI-A (468-questions):], ANOVA-F=17.22, p<.01, Lie, F=33.91, Depression, F=26.18, p<.01, Psychopathic-Deviate, F=57.45, p<.01,Paranoia, F=23.92, p<.01, Schizophrenia, F=21.69, p<.01, MacAndrews Alcohol, F=16.84, p<.01, Addiction Admission, F= 38.88, p<.01, resulting in a “7-point-violence-profile,”found over 95 yrs. in 212-studies .(N=320,051). The expense side includes 2 examples. 1st, School-shooter insurance-industry higher-premiums from (1936-2019) resulted in [414-dead @ $3,834,988.08=$1,587,685,065.12] + [832-injured @ $33,773.52=$28,099,568.64]+[232-shooters@$3,834,988.08=$889,717,234.60]+[$2,505,501,868.32x1.3= $3,257,152,428.82] =a high cost of $5,762,654,297.14]. With no-computer-tests-equations from 2020-2106, ($5,762,654,297.14x2= [the expense will double to] $11,525,308,594.27, 828-dead, 1,664-injured. The 2nd violence example is the U.S-Catholic-Church-pedophilia-loss, (1936-2107) [payouts, $17,435,353,000] + [lost-donations =1.3 x payouts=] 22,665,958,900=$40,101,511,900(1986-2107), with 5,679 victims increasing (1936-2107) to 39,753-victims.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,033 | 0,004 |
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 ».