Les distorsions cognitives d’auteurs d’infractions à caractère sexuel envers les personnes mineures nous renseignent-elles sur leur parcours criminel
Bibliographic record
Abstract
Contexte. Les infractions à caractère sexuel ont fortement augmenté dans les dernières années et les personnes mineures en sont les principales victimes. Un grand intérêt est accordé aux distorsions cognitives dans le champ de la recherche en délinquance sexuelle. Cependant, très peu d’études se sont intéressées aux dimensions mesurées par l’un des instruments les plus utilisés : l’échelle de cognitions Molest (ÉCM ; Bumby, 1996). Peu d’études se sont également intéressées au lien entre les distorsions cognitives et la carrière criminelle des auteurs d’infractions à caractère sexuel sur personnes mineures (AICSM). Objectif. L’objectif du présent mémoire est d’explorer les dimensions mesurées par l’ÉCM et les comparer aux résultats d’études précédentes. Il est aussi question d’étudier le lien entre les distorsions cognitives mesurées par l’ÉCM et la carrière criminelle des AICSM. Méthodes. L’échantillon est composé de 1232 hommes adultes AICSM étant suivis au Centre d’intervention en délinquance sexuelle (CIDS) de Laval. Les participants ont tous complété l’ÉCM lors de leur suivi au centre. Résultats. Les résultats indiquent que quatre dimensions émergent de l’ÉCM et que certaines distorsions cognitives telles que mesurées par cet instrument sont liées aux différents paramètres de carrière criminelle des individus composant l’échantillon, incluant la récidive violente et 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 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".