Do they all act the same? : identification of the strategies associated with different types of online sex solicitors' discourses
Notice bibliographique
Résumé
L’avancement des technologies a permis aux agresseurs sexuels de mineurs d’avoir de nouvelles opportunités de commettre des infractions à caractère sexuel en ligne (Fortin, Paquette, & Dupont, 2018; Seto, Hanson, & Babchishin, 2011). Avec un nombre de plaintes criminelles croissant (Wolak, Finkelhor, & Mitchell, 2012), le phénomène du leurre informatique pose de nombreux défis pour les enquêteurs qui doivent développer des méthodes d'enquête pour distinguer les dossiers ayant le plus de risque de passage à l’acte afin d’assurer la protection du public. Le projet de recherche vise à distinguer les différents types de cyber-relations basées sur les stratégies utilisées dans les discours d’auteurs de leurre. En analysant les différences entre les auteurs de leurre qui ne demande pas un contact hors ligne, ceux qui n’ont pas été capables d’obtenir un contact et ceux qui ont obtenu un contact hors ligne, on vise à identifier les stratégies associées aux discoures des interactions menant aux contacts hors ligne. L’étude utilise une combinaison d’approche qualitative et quantitative. L’analyse des conversations en ligne a été faite à partir de données policières de la Surêté du Québec . La transformation des données qualitatives en quantitative a été fait pour conduire les analyses statistiques. Les résultats suggèrent que les stratégies associées aux interactions qui ont mené au passage hors ligne sont : la persistance, la pratique en ligne des fantaisies sexuelles et d’avoir des opportunités à risque limité de détection d’une figure faisant autorité. Les auteurs de leurre avec contact ont utilisé ces stratégies de manière plus récurrente que les auteurs de leurre sans contact. En outre, les victimes qui participent plus et qui résistent le plus ont été associées à des relations menant au contact hors ligne. Les auteurs de leurre ayant eu un contact hors ligne avec leurs victimes avaient un plus grand nombre de conversations, en moyenne. Donc, ils avaient plus de temps pour utiliser différentes stratégies pour surpasser les résistances des victimes. Les implications de cette recherche suggèrent que les typologies identifiées dans la littérature scientifique n’ont pas trouver les caractéristiques scientifiquement associées à chacun des types.
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 | 0,007 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,014 |
| Communication savante | 0,011 | 0,011 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».