Scripting Extrafamilial Child Sexual Abuse: A Latent Class Analysis of the Entire Crime-Commission
Notice bibliographique
Résumé
Background: For several years, studies have produced general scripts of child sexual abuse. These scripts provided an analysis of each individual step of the crime-commission process, neglecting the connection between each of these steps. Objective: The purpose of this study is to use the crime script analysis to explore child sexual abuse as a whole, while considering the interconnectedness between each step involved in the crime-commission process of these offenders. Participants: This study analyzes the characteristics of 2264 cases of extrafamilial child abuses recorded by the French police between 1983 and 2018. Methods: The first step of this research uses latent class analysis to explore the relationship between each step of the crime-commission process. This statistical procedure allows for the identification of patterns in a set of data that share behavioral characteristics. In the second step, we used additional variables to test the external validity of our model. Results: Results suggest that there are four different scripts used by child sexual assault offenders related to criminal opportunities, crime preparation, and the crime commission process. Three scripts involved stranger offenders while only one involved acquaintance abusers. Conclusions: The analysis of different scripts shows that the relationship between offenders and victims, as well as the victim's profile in terms of opportunities (i.e., age and routine activities) influenced the decision-making process of child sexual abuse offenders. This new perspective in the crime script analysis of child sexual abuse allows for more tailored prevention measures.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».