Risk Metrics and the Five-Level System for the Youth Level of Service/Case Management Inventory (YLS/CMI): A Comparison of Two Samples of Justice-Involved Youth in Canada
Notice bibliographique
Résumé
Risk assessments are integral in the criminal justice system for predicting reoffending and guiding treatment. Challenges arise in using diverse risk tools due to difficulties comparing results across instruments with varying risk measurement methodologies. To address this, the Council of State Governments (CSG) Justice Center developed guidelines, applying metrics like percentiles, risk ratios, and recidivism rates to generate five risk levels (Hanson et al., 2017). While these levels have been applied to adult measures, their application to youth assessments remains unexplored. The Youth Level of Service/Case Management Inventory (YLS/CMI) is a widely used youth risk assessment tool, categorizing total scores into Low, Moderate, High, and Very High risk based on percentiles. However, percentiles convey a youth's position without directly linking to reoffense rates or communicating reoffending probability, requiring additional risk communication metrics. This dissertation aimed to provide risk metrics, separately by gender, for the YLS/CMI, with secondary aims to implement the CSG Justice Center’s Five-Level system and derive standardized risk levels. The final objective was to measure construct validity via psychopathy, aggression, and pride in delinquency measures. Using data from two justice-involved youth samples in Ontario, Canada – a probation sample (N = 540) and a forensic assessment sample (N = 880) – the study revealed that approximately half of the sample reoffended within two years, with similar rates in both samples. Percentiles highlighted YLS/CMI score distribution variations, emphasizing context dependence. Risk ratios were notable for Low Risk males in the community sample, indicating a 68% lower likelihood of reoffending than Moderate risk individuals. Recidivism rates varied across YLS/CMI risk categories and sample types, with significant differences in mean total scores observed across the Five-Level system in both samples. Construct validity in the forensic sample demonstrated significant differences in psychopathy, aggression, and pride in delinquency across levels. The discussion encompasses developmental factors, emphasizing the age-crime curve and addressing the distinctive needs of justice-involved youth. Recommendations include extending the validation of the five levels to youth risk tools, establishing local norms, and investigating the Five-Level system’s applicability across diverse settings.
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 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».