Protective factors in the prediction of criminal outcomes for youth with sexual offenses using tools developed for adults and adolescents: Tests of direct effects and moderation of risk.
Notice bibliographique
Résumé
Interest in protective factors in risk assessment work with adjudicated populations is increasing and evidence suggests that protective factors in structured professional judgment (SPJ) tools predict the absence of one or more types of recidivism with some evidence also of incremental validity in recidivism-desistance prediction models with risk scales. But, there is little evidence of interactions, demonstrated using formal tests of moderation, between scores on risk- and protective factor-focused applied assessment tools, despite the documentation of interactive protective effects with nonadjudicated populations. In this study, with 273 justice-involved male youth and a fixed 3-year follow-up, direct effects of medium size were found for sexual recidivism, violent (including sexual) recidivism, and any new offense with totals for tools developed for adult offending populations (modified versions of the actuarial risk-focused Static-99 and the SPJ protective factor-focused Structured Assessment of PROtective Factor [SAPROF]) and tools developed for adolescent offending populations (the actuarial risk-focused Juvenile Sexual Offense Recidivism Risk Assessment Tool-II [JSORRAT-II] and the SPJ protective factor-focused DASH-13). As well, incremental validity and interactive protective effects, in the small-to-medium size range, were found for the prediction of violent (including sexual) recidivism using various combinations of these tools. The value-added information provided by strengths-focused tools indicated by these findings suggest their inclusion in comprehensive risk assessments in applied practice has promise for improving prediction and also intervention and management planning with justice-involved youth. The findings also highlight the need for further research on developmental considerations and practical questions about how to integrate strengths with risks to inform such work empirically. (PsycInfo Database Record (c) 2023 APA, all rights reserved).
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».