Antisociality in intimate partner violence risk assessment: an analysis of the SARA-V2, SARA-V3, and B-SAFER
Notice bibliographique
Résumé
Purpose There is evidence that risk factors measuring aspects of antisociality contribute substantially to the prediction of recidivism in actuarial intimate partner violence (IPV) risk assessment tools, however, this has not been examined in structured professional judgment (SPJ) IPV risk assessment tools. This study aims to examine the representation and predictive accuracy of factors measuring antisociality in three SPJ tools. Design/methodology/approach The authors investigated items measuring antisociality in the SARA-V2, SARA-V3 and B-SAFER to assess IPV risk in a Canadian sample of 266 men who had previously committed a violent crime against their female partner. The authors examined whether the underlying factor structure empirically separated antisocial items from other items and analyzed the predictive accuracy of the antisocial factors. Findings Partial antisocial factors emerged in the SARA-V2 and SARA-V3, while a clear antisocial factor emerged in the B-SAFER. All antisocial factors demonstrated significant predictive values for IPV recidivism in area under the curve and Cox regression analyses. Originality/value This study offers a novel contribution to the field by using an empirical approach to examine antisocial factors in three commonly used SPJ tools. The findings underscore the need for a continued focus on antisocial traits and behaviors during IPV risk estimation, management and treatment.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».