De la pornographie légale à l’agression sexuelle
Bibliographic record
Abstract
La théorie des scripts permet une compréhension séquentielle de la criminalité sous différentes formes. Alors que traditionnellement les chercheurs se sont intéressés aux crimes contre la propriété puis aux crimes contre la personne, la présente étude vise l’analyse d’une nouvelle forme de criminalité, soit celle commise au moyen d’Internet. L’objectif de cet article est d’examiner, à partir d’une recension des écrits scientifiques, la manière dont la consommation de pornographie juvénile peut être comprise selon une perspective dynamique. Il y est avancé que le consommateur de pornographie juvénile motivé, en acquérant de nouvelles connaissances et techniques, traverse nombre d’étapes et d’obstacles le menant ultimement à l’agression sexuelle d’enfants. Il est toutefois important de noter que seule une petite partie des individus s’engageront dans les étapes subséquentes du script et que l’accent est mis sur le contexte et non sur les liens de causalité qui unissent les étapes puisque leur existence reste à démontrer. Plus précisément, les cheminements de la consommation de pornographie adulte à la pornographie juvénile, à la distribution de ce type de matériel, au leurre d’enfant et, enfin, au basculement dans le réel, soit l’agression d’enfant et la production de pornographie juvénile seront détaillés. Les limites et les implications de l’étude seront discutées.
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 | 0.002 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.022 |
| Scholarly communication | 0.005 | 0.007 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.014 | 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".