Le temps de visionnement comme mesure des préférences sexuelles déviantes chez les auteurs de crimes à caractère sexuel
Bibliographic record
Abstract
La déviance sexuelle est l’un des plus importants facteurs associés à la récidive chez les auteurs d’agression sexuelle. L’évaluation de ces intérêts représente un défi, puisque les personnes évaluées peuvent être réticentes à ce que leurs préférences soient sues. Des mesures novatrices, basées sur l’attention, par exemple le temps de visionnement (VT ; viewing time), pourraient s’avérer des solutions de rechange prometteuses aux outils d’évaluation des préférences sexuelles existants. L’objectif du présent article est de présenter le VT et de faire une revue systématique des études qui ont fait l’évaluation de cette mesure de l’intérêt sexuel déviant chez les auteurs de délits à caractère sexuel. Les résultats sont présentés selon trois grands types d’étude : la capacité discriminante du VT ; les comparaisons de ces capacités discriminantes avec d’autres mesures de déviances sexuelles ; et la capacité prédictive du VT par rapport à la récidive criminelle à caractère sexuel. La majorité des études confirme la capacité discriminante du VT en fonction du sexe de la victime. Cette capacité discriminante est comparable à d’autres mesures, plus intrusives, telles que la pléthysmographie pénienne. Le VT représente donc une voie novatrice intéressante pour l’évaluation de la délinquance sexuelle.
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 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 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) | 0.007 | 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".