Gender Effects in Actuarial Risk Assessment: An Item Response Theory Psychometric Study of the LS/CMI
Notice bibliographique
Résumé
Actuarial tools play an important role in correctional and risk management systems as they are widely used to assess potential recidivism. In psychometric studies of the predictive value of these tools, it is, rightly or wrongly, common to find all items and all components being given the same weight such that they contribute equally to the case management of individuals and to the determination of criminal recidivism risk. Item Response Theory (IRT) allows for psychometric analysis permitting to evaluate the quality of the items in actuarial tools, such as the LS/CMI. As such, IRT methods can improve our understanding of an instrument’s psychometric properties well beyond what is already known from traditional approaches. This paper draws on IRT to explore the predictive evidence for the LS/CMI across inmates’ reported gender. The sample consisted of male (n = 1200) and female (n = 1148) inmates serving a custodial sentence. The analyses suggest that the predictive evidence for the LS/CMI is strongly related to the discrimination parameter of the items and varies considerably by gender. In conclusion, this study contributes to the understanding of criminal recidivism as a function of gender and questions the interpretation of the total score (from the section General Risk/Need Factors) generated by the LS/CMI.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».