La victimisation, la polyvictimisation et la délinquance chez les enfants et les jeunes adultes au Royaume-Uni1
Bibliographic record
Abstract
Cette étude explore l’impact et la nature de l’accumulation de victimisations sur la déviance autodéclarée des enfants et des jeunes adultes. Dans le cadre d’une enquête représentative menée auprès de ménages au Royaume-Uni en 2009, l’exposition à une gamme élargie d’expériences de victimisation ainsi que la délinquance autodéclarée ont été évaluées grâce à 4036 interviews auprès de participants de deux groupes : des enfants âgés de 11 à 17 ans et des jeunes adultes âgés de 18 à 24 ans. L’âge, le sexe (masculin) et le fait d’avoir vécu certaines formes de victimisation augmentaient considérablement les probabilités de polyvictimisation au cours de l’enfance. L’impact de la victimisation sur la délinquance variait selon le type de victimisation, le sexe et le groupe d’âge. La victimisation sexuelle durant l’enfance était fortement associée à la délinquance chez les femmes mais avait moins d’impact chez les hommes âgés de moins de 18 ans. La polyvictimisation avait le plus d’impact sur la délinquance des enfants âgés de 11 à 17 ans mais n’influençait pas significativement celle des jeunes femmes adultes. Les professionnels qui travaillent auprès des enfants et des jeunes doivent être à l’affût des concomitances et du caractère cumulatif de la victimisation durant l’enfance. Ils doivent également être outillés afin de repérer et d’aider ceux qui sont vulnérables à la polyvictimisation.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".