Who are the women who commit sexual assault?
Bibliographic record
Abstract
Who are the women who commit sexual assault? 2 Who are the women who commit sexual assault?Résumé (français): Jusqu'à tout récemment, la simple idée qu'une femme puisse commettre ou favoriser la commission de comportements sexuels coercitifs était tout simplement impensable ; cela va à l'encontre de la croyance populaire selon laquelle la femme est un être fondamentalement bon.Ce n'est que ces dernières années que la recherche a mis en lumière que la délinquance sexuelle n'est pas un phénomène qui soit propre aux hommes, et que les femmes aussi commettent des agressions sexuelles ; parfois, sous la contrainte et, d'autres fois, de leur plein gré ; parfois, en solitaire et, d'autre fois, avec un partenaire.Qui sont donc ces femmes ?C'est à cette question que le présent article de vulgarisation scientifique tente de répondre.Nous commencerons par examiner les grands mythes entourant la délinquance sexuelle des femmes et l'influence qu'ont eue ces derniers sur le taux de prévalence de ce type de délinquance.Nous brosserons ensuite le portrait type de la délinquante sexuelle, tout en explorant les distinctions qui existent entre celles qui agissent seules et celles qui agissent avec un partenaire.Finalement, nous examinerons les paramètres à prendre en considération dans la prise en charge de ces femmes dans un contexte thérapeutique.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 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".