Les adolescents auteurs d’agression sexuelle pris en charge par le système judiciaire québécois entre 2005 et 2010 : lien entre la délinquance et la victimisation
Bibliographic record
Abstract
Certaines questions demeurent sans réponse lorsqu’il est question des adolescents auteurs d’agression sexuelle (AAAS) et des débats se poursuivent notamment en ce qui concerne leurs ressemblances avec les autres délinquants juvéniles ainsi que la pertinence d’élaborer une typologie basée sur l’âge de la victime. De plus, bien qu’il soit reconnu que la maltraitance survienne dans l’enfance de plusieurs AAAS, son ampleur demeure à clarifier. Les études actuelles comportent des limites méthodologiques telles que la taille des échantillons et l’absence de groupes de comparaison. Afin d’y pallier, cette thèse dresse le portrait de 1429 AAAS québécois reconnus coupables d’un ou plusieurs délits sexuels entre 2005 et 2010. Cette cohorte a été extraite d’une recherche financée par le FRQSC intitulée « La Loi sur le système de justice pénale pour les adolescents, sept ans plus tard ». Les données proviennent de la banque de données informationnelles des Centres Jeunesse. La première étude a pour objectif de décrire la délinquance et la maltraitance officielles des jeunes. Les résultats obtenus montrent le caractère hétérogène des AAAS. Les paramètres de la délinquance étudiés (intensité, variété, persistance, fréquence) se distribuent de façon très asymétriques. Par exemple, 30,4% des AAAS n’a commis qu’un seul délit (ou plus d’un délit, mais lors d’un même évènement), alors que 10% en a commis plus de onze. De plus, 81,6% des AAAS ont été signalés à la Direction de la Protection de la Jeunesse pour divers motifs. Leur parcours de maltraitance s’avère également hétérogène. La deuxième étude vise à comparer les AAAS à 1429 adolescents auteurs de délits non sexuels à partir de variables de maltraitance. Les premiers se distinguent par une maltraitance plus sévère. Dans un deuxième temps, les AAAS ont été divisés en deux sous-groupes : ceux ayant commis seulement des délits sexuels (AAAS-S) et ceux ayant commis aussi des délits non sexuels (AAAS+). Ces groupes ont été comparés aux auteurs de délit non sexuels sur les mêmes variables de maltraitance. Les AAAS-S se sont révélés similaires au groupe de comparaison, alors que les AAAS+ présentaient un passé de maltraitance plus sévère que les auteurs de délit non-sexuels. Cette étude a également permis d’identifier les antécédents d’abus sexuels subis comme étant la variable la plus prédictive de l’appartenance au groupe des AAAS. La troisième étude a pour objectif d’élaborer une typologie basée sur des variables de maltraitance pour l’ensemble des AAAS, les AAAS-S ainsi que pour les AAAS qui ont commis au moins deux délits sexuels (avec ou sans délits non-sexuels). Dans tous les cas, deux classes ont été identifiées, soit les AAAS-maltraités et les AAAS-non maltraités. Ainsi, la présence de maltraitance s’avère plus importante que sa nature et ce, peu importe le groupe d’AAAS étudié. Les AAAS-maltraités et les AAAS-non maltraités ont été comparés sur les différents paramètres de délinquance. Les jeunes qui ont des antécédents de maltraitance avant la commission de leur premier délit tendent à avoir une délinquance plus précoce, variée, intense et persistante que les AAAS-non maltraités Les résultats globaux de la thèse permettent d’apporter un éclairage nouveau quant au modèle abusé-abuseur ainsi qu’au degré de spécialisation des délits commis par les AAAS.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".