Question types in online sex offender interviews: unveiling the influence on information retrieval
Notice bibliographique
Résumé
Purpose The present study aims to observe interviewing practices using real-life suspects’ interviews of online child sex offenses and explore the impact of the formulation of questions on investigative relevant information (IRI). Design/methodology/approach A sample of 30 suspect interviews, French transcripts collected as part of a larger research project conducted in the province of Quebec, Canada, between 2007 and 2018, was analyzed. All the interviews were conducted by the Internet Child Exploitation (ICE) unit of the Quebec provincial police force. The study involves a two-step coding procedure: the identification of question types used by investigators during the interview and the responses and information (e.g. IRI) provided by the suspect following those different types of questions. Findings Based on the selected interview transcripts, the study results indicate that the investigator mostly used productive questions. The most effective questions to elicit a detailed account were open-ended and recall questions. The results, however, showed a limited use of open-ended questions by investigators. As for the IRI, action, item and person details were the most reported information by suspects in the sample. Originality/value While past research has focused primarily on describing the questions asked during investigative interviews, this research provides insights into the formulation of questions in real-life interviews of suspects of online child sex offenses and their effect on information gathering. By doing so, the results enhance the understanding of how the questions posed can influence suspects’ responses, providing valuable insights into how to elicit the most relevant information to effectively contribute to the investigation. The study’s conclusions are anticipated to have practical implications for investigative interviews and to support the advancement of sexual crime investigations.
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 | 0,146 | 0,351 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,006 | 0,013 |
| Communication savante | 0,009 | 0,011 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».