A Second Proof of Concept Investigation of Strengths Using the Structured Assessment of Violence Risk in Youth Tool With Justice-Involved Youth: Item Level Risk-Based Effects and Interactions
Notice bibliographique
Résumé
Despite efforts to incorporate protective factors or 'strengths' in applied risk assessments for criminal reoffending, there has been limited progress towards a consensus regarding what is meant by such terms, what effects predictors can exert, or how to describe such effects. This proof of concept study was undertaken to address those issues. A structured professional judgment tool was used to create lower and higher historical/static risk groups with a sample of 273 justice-involved male youth with sexual offenses followed over a fixed 3-year period. Using risk and protective poles to create pairs of dichotomous variables from trichotomously rated risk and protective items, risk-based exacerbation and risk-based protective effects were found. These varied in terms of whether the effect on the outcome of a new violent (including sexual) offense was larger, smaller, or absent for youth at higher or lower historical/static risk. Some of these potentially dynamic dichotomous variables were shown to have a protective (or risk) effect after controlling for both historical/static risk and that same item's risk (or protective) effect. Some moderated the association between historical/static risk and recidivism, strengthening or reducing it. Terms for these effects and implications of incorporating strengths in research and applied practice were considered.
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 | 0,001 |
| 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 ».