Risicotaxatie bij plegers van transnationaal seksueel kindermisbruik
Bibliographic record
Abstract
Dit onderzoek biedt empirisch inzicht in de kenmerken en werkwijze van plegers van Transnationaal seksueel kindermisbruik (TSK), zodat kan worden verkend of, en zo ja hoe, risicotaxatie beter kan worden toegespitst op deze groep zedendelinquenten. Daarnaast moet het onderzoek verhelderen hoe risicotaxatie-instrumenten op het moment in de praktijk worden ingezet bij deze doelgroep, en hoe de inzet van deze instrumenten kan worden verbeterd. Het uiteindelijke doel is om met verbeterde risicotaxatie bij te kunnen dragen aan het beperken van het risico op herhaald daderschap, en daarmee herhaald slachtofferschap, van TSK. In dit onderzoek staan de volgende onderzoeksvragen centraal: Wat zijn de kenmerken van plegers van TSK (o.a. leeftijd, criminele carrière, seksuele preferentie)? Wat is de werkwijze van plegers van TSK en in hoeverre verschillen online en offline plegers, intentionele en situationele, en first-offenders en recidivisten hierin? In hoeverre sluiten bestaande risicotaxatie-instrumenten voor de inschatting van zedenrecidive aan op de kenmerken van en werkwijze van plegers van verschillende vormen van TSK? Welke organisaties passen op welke momenten risicotaxatie-instrumenten toe in de aanpak van TSK en tegen welke uitvoeringsproblemen, wettelijke en/of juridische vraagstukken lopen zij hierbij aan? Welke aanbevelingen kunnen worden gedaan met betrekking tot (a) de inhoud, en (b) het gebruik van risicotaxatie-instrumenten ten behoeve van het inschatten van het seksueel recidiverisico van plegers van TSK? INHOUD Inleiding Methoden Kenmerken en werkwijze plegers TSK volgens professionals Transnationaal seksueel kindermisbruik door Nederlandse mannen: Een bevolkingsonderzoek Aansluiting risicotaxatie-instrumenten met TSK-plegers De uitvoering: Risicotaxatie-instrumenten in de praktijk Conclusie en aanbevelingen
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 | 0.003 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.028 | 0.004 |
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".