Mesures des préférences sexuelles envers les enfants : intégration des stimuli auditifs et virtuels
Bibliographic record
Abstract
La présence d’intérêts sexuels envers des enfants est l’un des facteurs principaux lors du diagnostic de trouble pédophilique et de la prédiction du risque de la récidive sexuelle. Néanmoins, l’évaluation objective de cet intérêt subjectif demeure difficile et nécessite l’utilisation de différents outils dont le plus rigoureux est la pléthysmographie pénienne (PPG). Cet outil, qui mesure les réponses érectiles des participants, permet l’évaluation de plusieurs types d’intérêts sexuels (déviants ou non). Pour ce faire, la PPG dépend des stimuli utilisés (p. ex., visuels ou auditifs), ce qui constitue à la fois une force et une faiblesse, car certains des stimuli actuellement disponibles génèrent régulièrement des résultats invalides. De plus, des normes éthiques plus rigoureuses encadrant l’utilisation d’images réelles d’enfants limitent l’usage de certains stimuli. Par ce projet doctoral, dans le cadre de deux études, nous visons à diminuer le nombre élevé de profils invalides en attaquant la problématique sur deux fronts. Dans la première étude, des stimuli auditifs standards largement utilisés en PPG seront agencés à des images de personnages générés par ordinateur dans le but de créer une modalité audiovisuelle capable de produire de plus grandes amplitudes péniennes que les stimuli auditifs ou visuels présentés seuls. L’objectif est de réduire le nombre de profils invalides et permettre une discrimination efficace des intérêts sexuels. Pour évaluer leur efficacité, les réponses érectiles de deux groupes d’adultes (c.-à-d. un groupe d'agresseurs sexuels d’enfants et un groupe de comparaison) ont été mesurées et comparées durant la présentation de trois blocs de stimuli (auditifs, visuels et audiovisuels). Dans la deuxième étude, ces nouveaux stimuli visuels et audiovisuels seront utilisés lors de l’enregistrement des données pupillométriques et pléthysmographiques (PPG) dans le but d’obtenir une seconde mesure objective capable de discriminer la présence d’intérêts sexuels. Pour ce faire, les résultats pupillométriques des participants ont été enregistrés et comparés à leurs résultats pléthysmographiques. Les résultats de la première étude soutiennent l’utilisation des stimuli audiovisuels en faisant usage de personnages générés par ordinateur pour produire de plus fortes réponses péniennes et ainsi augmenter le nombre de profils valides obtenus lors de l’évaluation PPG. De plus, les résultats démontrent que les stimuli audiovisuels sont équivalents aux stimuli auditifs pour classer les participants dans leurs groupes respectifs. Les résultats de la seconde étude démontrent les impacts positifs de l’utilisation de la pupillométrie en complémentarité aux résultats de la PPG. Il est alors prouvé qu’ensemble ces deux mesures sont capables de catégoriser efficacement les participants des deux groupes tout en montrant que les stimuli audiovisuels utilisés sont une alternative éthique et bénéfique aux stimuli visuels conventionnels (photographies d’enfants). Ces deux études renforcent l’importance de l’utilisation de nouvelles technologies dans le but d’améliorer les outils déjà à notre disposition, et ce, dans le respect de normes éthiques rigoureuses.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.000 |
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".