What Risk Assessment Tools can be Used With Men Convicted of Child Sexual Exploitation Material (CSEM) Offenses? Recommendations From a Review of Current Research
Notice bibliographique
Résumé
Objective: Review current research on risk assessment tools with individuals convicted of child sexual exploitation materials (CSEM) offenses with recommendations for use in forensic, correctional, and legal settings. Hypotheses: Multiple tools would be defensible to use with individuals convicted of CSEM offenses. Methods: We discuss a minimum threshold of predictive accuracy to justify using a risk tool as an improvement on the typical level of accuracy expected from unstructured professional judgment. Then beyond this minimum threshold, we offer additional considerations that researchers and practitioners can use in evaluating and selecting risk tools. Results: We identified eight risk assessment tools with predictive accuracy research on individuals convicted of CSEM offenses: the Child Pornography Offender Risk Tool (CPORT), Risk Matrix 2000/Sex (RM2000/S), OASys Sexual Reoffending Predictor â Indecent Images (OSP/I), Static-99R, STABLE-2007, ACUTE-2007, Post Conviction Risk Assessment (PCRA), and the Level of Service Inventory â Ontario Revision (LSI-OR). We review each using the evaluation considerations. Conclusions: The CPORT, RM2000/S, STABLE-2007, and ACUTE-2007 (in conjunction with the STABLE) are all defensible tools to use for assessing risk of any sexual recidivism or CSEM recidivism specifically. There is preliminary evidence suggesting some support for Static-99R, but it may not be the ideal choice. The OSP/I consists of a single risk factor and considers risk of CSEM recidivism among all individuals convicted of sexual offenses, not only among individuals convicted of CSEM offenses. The PCRA and LSIOR general recidivism risk tools have some empirical support in predicting general recidivism among CSEM samples (and sexual recidivism for the PCRA), with limitations noted. The use of multiple tools may have value in assessing risk and structuring management in CSEM cases, however how they are best combined for these samples is still unclear. We expect research in this area to continue to build rapidly.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».