Correspondence of Child Age and Gender Distribution in Child Sexual Exploitation Material and Other Child Content With Age and Gender of Child Sexual Assault Victims
Notice bibliographique
Résumé
in legal statutes) can indicate sexual interest in children. It logically follows then that the age and gender of the depicted children may reflect specific interests in those age/gender groups, and if so, may correspond to age and gender of any known contact offending victims. We had data on CSEM characteristics and child victims for 71 men convicted of CSEM offenses who also had contact sexual offenses against children; some had also sexually solicited children online. Sixty-four men had 134 prior or concurrent child victims, and 14 men reoffended directly against 17 children during follow-up. There were significant, positive associations (with moderate to large effect sizes) between age and gender of children depicted in CSEM and age and gender of child contact or solicitation victims. Examining future offending, though with only 14 recidivists, all men who sexually reoffended against a girl had more girl CSEM content, and all men who sexually reoffended against a boy had more boy CSEM content. Our results suggest that CSEM characteristics can reflect child preferences. This information can be relevant in clinical settings, police investigations, and community risk management, though it does not rule out interest in, or offending against, victims of other ages or gender. We discuss these findings in the context of other evidence regarding victim cross-over, and suggest future research.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».