R. Karl Hanson and Kelly Morton-Bourgon Public Safety and Emergency Preparedness Canada Predictors of Sexual Recidivism: An Updated Meta-Analysis
Notice bibliographique
Résumé
This quantitative review examined the research evidence concerning recidivism risk factors for sexual offenders. A total of 95 different studies were examined, involving more than 31,000 sexual offenders and close to 2000 recidivism predictions. The results confirmed deviant sexual interests and antisocial orientation as important predictors of sexual recidivism. Antisocial orientation (e.g., unstable lifestyle, history of rule violation) was a particularly important predictor of violent non-sexual recidivism and general recidivism. The study also identified a number of new predictor variables, some of which have the potential of being useful targets for intervention (e.g., sexual preoccupations, conflicts in intimate relationships, emotional identification with children, hostility). Actuarial risk instruments were consistently more accurate than unguided clinical opinion in predicting sexual, violent nonsexual and general recidivism. For the prediction of sexual recidivism, there were no significant differences in the predictive accuracy of the various actuarial measures (e.g., SORAG, Static-99). Actuarial measures designed to predict general (any) criminal recidivism were strong predictors of general recidivism among sexual offenders. 1 Predictors of Sexual Recidivism: An Updated Meta-Analysis Sex offences are among the crimes that invoke the most public concern. Consequently, it is not
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 | 0,012 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,011 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».