4. Discussion
4.5 Suggestions de recherche futures
Les résultats de la présente étude sont encourageants pour le domaine de la recherche. En considérant les limites de l’étude, certaines pistes d’investigations permettant d’accroître les connaissances dans le champ de l’évaluation du risque de récidive criminelle, et par extension, de l’utilisation de la dérogation clinique sont étalées. D’abord, il est de mise de produire une étude afin de valider les présents résultats à l’aide de la récidive criminelle. En effet, les profils obtenus dans la démarche de recherche actuelle doivent être mis à l’épreuve d’un suivi concernant la récidive. D’ailleurs, pour procéder à une étude complète sur la dérogation clinique (incluant la récidive), un devis de recherche expérimental serait souhaitable. Cet apport permettrait d’avoir un regard plus exhaustif du phénomène.
Dans le même ordre d’idées, il serait pertinent d’investiguer la validité prédictive à l’aide d’un dénominateur commun entre les évaluateurs et les outils actuariels. Idéalement, ce dénominateur serait la récidive réelle et non la récidive pénale, et ce malgré la présence de biais en utilisant la récidive réelle (par ex., le biais de désirabilité sociale). À ce jour, les études menées sur la dérogation et sa capacité prédictive comparent deux méthodes d’évaluation qui ne cherche pas à prédire la même chose. Alors que les outils actuariels prédisent la réarrestation (Maltz, 1985), les évaluateurs dérogent afin de prédire la récidive réelle. Cette distinction importante dans l’évènement prédit est potentiellement responsable de l’écart entre la précision de la prédiction de la dérogation clinique et de l’outil actuariel. Compte tenu qu’une large proportion des crimes n’est pas détectée (Biderman & Reiss Jr, 1967), il est difficile d’avancer avec certitude quelle méthode est supérieure sans un regard plus large de la criminalité.
Par la suite, il serait souhaitable de mener des études sur la dérogation selon les évaluateurs. D’une part, il serait intéressant de traiter la dérogation des évaluateurs à l’aide d’un devis de recherche qualitatif. Une telle étude expliquant le choix de déroger serait un apport considérable à la recherche dans le domaine en plus d’éclaircir les chercheurs quant à un paramètre de l’évaluation du risque souvent négligé, l’évaluateur. En effet, bien que plusieurs indicateurs aient été traités dans la présente étude, une lacune importante fut le manque d’information concernant l’évaluateur et le contexte entourant l’évaluation. La tenue d’une telle étude permettrait de compléter les résultats de la présente recherche, notamment en soulevant les similitudes et les contradictions entre les données quantitatives sur les contrevenants et l’expérience et la perception qualitative des évaluateurs. D’autre part, il serait pertinent de tenir une étude sur la dérogation clinique selon les évaluateurs en utilisant un
87
cadre conceptuel lié à la prise de décisions, les biais (par ex., contextualisation automatique; Stanovich, 2003) et les sources d’erreurs (par ex., le biais de confirmation; Kassin, Dror & Kukucka, 2013; et le contexte menant à l’évaluation; Dror, Charlton & Péron, 2006) chez les experts, et par extension, les évaluateurs. Après tout, bien que la dérogation clinique soit à premier égard un phénomène rare, plusieurs études (Orton, 2014; Storey & coll., 2012; Wormith, Hogg & Guzzo, 2012; Cohen, Pendergast & VanBenschoten, 2016; Orton, Hogan & Wormith, 2020; Schmidt, Sinclair & Thomasdóttir, 2015; Carns & Martin, 2011), incluant la présente, proposent que certains sous-groupes soient prépondérants au sein des PCODC. Étant donné que les évaluateurs jouent un rôle non-négligeable dans l’évaluation, il y a lieu de se questionner quant à leur processus décisionnel en considérant la prémisse suivante : certains sous-groupes de contrevenants sont plus à risque de faire l’objet d’une dérogation clinique. Est-ce que les évaluateurs entretiennent des biais ou des préjugés envers certains contrevenants? Si oui, s’agit-il de biais ou de préjugés qu’ils possèdent en tant que citoyens? Proviennent-ils plutôt d’un processus d’étiquetage ou d’un manque de connaissances? Est-il possible que ceux-ci tirent leur existence d’une crainte des répercussions personnelles (par ex., perdre leur emploi) et sociales (par ex., être victime) en cas de récidive?
88
Conclusion
À partir d’un échantillon de détenus et de probationnaires québécois évalués à l'aide du LS/CMI, la présente étude avait pour objectifs d’examiner la prévalence de la dérogation clinique en plus d’identifier les convergences de caractéristiques des personnes contrevenantes associées à ce pouvoir discrétionnaire. Pour ce faire, des analyses d’arbres décisionnels ont été réalisées. Les arbres décisionnels auront permis de créer des profils, et ainsi de reproduire le plus intégralement et fidèlement que possible les cas auxquels font face les évaluateurs dans le cadre de leurs fonctions. De plus, les profils ont eu pour avantage de donner une signification à une étendue d’informations qui semble à première vue diffuse. Ceux-ci suggèrent que certaines variables comme le score actuariel et la nature de la condamnation au moment de l’évaluation sont largement responsables des dérogations octroyées par les évaluateurs dans l’échantillon. Ces mêmes caractéristiques permettent d’identifier les PCODC à la hausse, sans toutefois cerner adéquatement les PCODC à la baisse. D’autres informations – comme le déni et la minimisation - semblent parfois pertinentes, parfois inappropriées pour prédire, et par extension, distinguer les PCODC des personnes n’ayant pas été l’objet d’une dérogation clinique. Étant donné le fait que ces indicateurs sont moins fiables et stables, peu d’importance leur a été accordée. Cela dit, ce bilan n’est vraiment pas étrange ou inattendu. Bien que la domination du score actuariel et de la nature de la condamnation au moment de l’évaluation LS/CMI semble simpliste, le principe du rasoir d’Ockham stipule qu’il n’est pas rare que l’interprétation la plus parcimonieuse et la plus probable s’avère véritable. Après tout, le score actuariel et la nature de la condamnation sont deux pièces d’informations qui sont à la disposition de tous les évaluateurs dans le cadre de l’évaluation et de la gestion du risque. Du moins, il est plus plausible que les évaluateurs considèrent de tels indicateurs au détriment d’items individuels de l’outil LS/CMI comme la présence de connaissances criminelles ou la tendance à vivre des problèmes pour déterminer s’il est approprié de déroger. Bref, l’explication la plus probable est que les évaluateurs se fient sur le score actuariel (et par extension le niveau de risque) et la nature du délit au moment de l’évaluation pour guider leurs décisions. Cette explication implique également que le LS/CMI structure fortement le choix de déroger des évaluateurs. En effet, les analyses ont permis de mettre de l’avant que ces derniers s’appuient largement - au- delà de la nature du délit initial - sur le LS/CMI pour déroger le niveau de risque d’une personne contrevenante.
Somme toute, les résultats suggèrent que la recherche sur la dérogation clinique ne fait que commencer. Encore trop d’informations sont manquantes pour y tirer des constats clairs. En effet, beaucoup de questions surgissent et devront être le sujet d’études empiriques afin d’apporter des réponses aux hypothèses et aux spéculations des chercheurs. Notamment, est-il possible que la dérogation soit tout de même un « bon » choix malgré la surreprésentation de certains sous-groupes de contrevenants chez les PCODC? Par le fait même, serait-il souhaitable que les évaluateurs dérogent davantage de personnes contrevenantes? Est-ce possible que les évaluateurs soient en mesure de déterminer qui récidivera au-delà de la récidive pénale?
89
Une chose est certaine, le présent projet de recherche aura permis de cerner des caractéristiques sociodémographiques et criminométriques favorables à l’octroi d’une dérogation clinique, mais surtout de réitérer la complexité de l’évaluation du risque de récidive criminelle des personnes contrevenantes. Effectivement, il semble que l’évaluation et la gestion du risque, et par extension, la dérogation clinique soient difficiles à circonscrire compte tenu des innombrables éléments à prendre en considération. Lors de leurs évaluations, les évaluateurs doivent notamment reconnaître leurs biais, respecter les directives institutionnelles et ministérielles, harmoniser la gestion du risque au niveau de risque du contrevenant et considérer le contexte dans lequel prend place leurs évaluations (par ex., nouvel outil d’évaluation). Bien que les effets de telles composantes ne soient pas clairement définis, ceux-ci rendent compte de l’aspect humain de l’évaluation du risque tout en complexifiant l’examen d’une pratique aussi rarissime que la dérogation clinique.
90
Bibliographie
Ægisdóttir, S., White, M. J., Spengler, P. M., Maugherman, A. S., Anderson, L. A., Cook, R. S., ... & Rush, J. D. (2006). The meta-analysis of clinical judgment project: Fifty-six years of accumulated research on clinical versus statistical prediction. The Counseling Psychologist, 34(3), 341-382.
American Law Institute, Model Penal Code § 7.03 (3).
Andrews, D. (1995). The psychology of criminal conduct and effective treatment. In J. McGuire (Ed.), What
works: Reducing reoffending: Guidelines from research and practice (p. 35–62). John Wiley & Sons
Andrews, D. A. (2010). [Meta-analytic summaries of Level of Service risk and need and ongoing compilation of Level of Service data sets].
Andrews, D. A., & Bonta, J. (1995). The level of supervision inventory-revised. Toronto: Multi-Health Systems, 106, 19-52.
Andrews, D. A., & Bonta, J. (2006). The psychology of criminal conduct (4th ed.). Newark, NJ: LexisNexis. Andrews, D. A., & Bonta, J. (2010). Rehabilitating criminal justice policy and practice. Psychology, Public Policy,
and Law, 16(1), 39.
Andrews, D. A., Bonta, J., & Hoge, R. D. (1990). Classification for effective rehabilitation: Rediscovering psychology. Criminal justice and Behavior, 17(1), 19-52.
Andrews, D. A., Bonta, J., & Wormith, J. S. (1995). Level of Service Inventory–Ontario revision (LSI-OR):
Interview and scoring guide. Toronto, Canada: Ontario Ministry of the Solicitor General and Correctional
Services.
Andrews, D. A., Bonta, J., & Wormith, J. S. (2004). Level of Service/Case Management Inventory: LS/CMI
Manual. Toronto: Multi-Health Systems.
Andrews, D. A., Bonta, J., & Wormith, S. J. (2006). The recent past and near future of risk/need assessment.
Crime & Delinquency, 52, 7-27.
Andrews, D. A., Bonta, J., & Wormith, S. J. (2008). The level of service/risk-need-responsivity (LS/RNR). Toronto, Canada: Multi-Health Systems.
Akoglu, H. (2018). User's guide to correlation coefficients. Turkish journal of emergency medicine, 18(3), 91-93. Argow, W. W. (1935). Criminal-Liability Index for Predicting Possibility for Rehabilitation. Am. Inst. Crim. L. &
Criminology, 26, 561.
Basti, E., Kuzey, C., & Delen, D. (2015). Analyzing initial public offerings' short-term performance using decision trees and SVMs. Decision Support Systems, 73, 15-27.
Beck, U. (1992). From industrial society to the risk society: Questions of survival, social structure and ecological enlightenment. Theory, culture & society, 9(1), 97-123.
Biderman, A. D., & Reiss Jr, A. J. (1967). On exploring the" dark figure" of crime. The Annals of the American
Academy of Political and Social Science, 374(1), 1-15.
Bladon, E. M., Vizard, E., French, L., & Tranah, T. (2005). Young sexual abusers: A descriptive study of a UK sample of children showing sexually harmful behaviours. Journal of Forensic Psychiatry & Psychology,
16(1), 109-126.
Bland, J. M., & Altman, D. G. (1997). Statistics notes: Cronbach's alpha. Bmj, 314(7080), 572.
Bonta, J.L. (1996). Risk-needs assessment and treatment. In A.T. Harland (Ed.), Choosing correctional options
that work: Defining the demand and evaluating supply (pp. 18-32). Thousand Oaks, California: Sage.
Bonta, J. (2002). Offender risk assessment: Guidelines for selection and use. Criminal Justice and Behavior, 29, 355-379.
Bonta, J., & Andrews, D. A. (2007). Risk-need-responsivity model for offender assessment and rehabilitation.
Rehabilitation, 6(1), 1-22.
Bonta, J., & Wormith, S. J. (2007). Risk and need assessment. In G. McIvor & P. Raynor (Eds.), Developments
in social work with offenders (pp. 131-152). Philadelphia, PA: Jessica Kingsley Publishers.
Borden, H. G. (1928). Factors for predicting parole success. Journal of the American Institute of Criminal Law
91
Borum, R., Bartel, P. A., & Forth, A. E. (2005). Structured assessment of violence risk in youth. Mental health
screening and assessment in juvenile justice, 311-323.
Breiman, L., Friedman, J. H., Olshen, R. A., & Stone, C. J. (1984). Classification and regression trees. Boca Raton, FL: Chapman & Hall/CRC.
Brews, A. L. (2009). The Level of Service Inventory and female offenders: Addressing issues of reliability and
predictive ability (Doctoral dissertation, University of Saskatchewan).
Burgess, E. W. (1928). Factors determining success or failure on parole. In A. A. Bruce, A. J. Harno, E. W. Burgess, & J. Landesco (Eds.), The workings of the indeterminate sentence law and the parole system
in Illinois (pp. 221-234). Springfield, IL: State Board of Parole.
Burgess, E. W. (1936). Protecting the public by parole and by parole prediction. Am. Inst. Crim. L. & Criminology,
27, 491.
Callahan, L. A., & Silver, E. (1998). Factors associated with the conditional release of persons acquitted by reason of insanity: A decision tree approach. Law and Human Behavior, 22(2), 147-163.
Campbell, T. W. (2003). Sex offenders and actuarial risk assessments: Ethical considerations. Behavioral
Sciences and the Law, 21, 269-279.
Campbell, T. W. (2007). Assessing sex offenders: Problems and pitfalls (2nd Ed). Springfield, IL: Charles C. Thomas Publisher.
Campbell, T. W., & DeClue, G. (2010). Flying blind with naked factors: Problems and pitfalls in adjusted-actuarial sex-offender risk assessment. Open Access Journal of Forensic Psychology, 2, 75-101.
Carlat, D. (2010). Unhinged: The trouble with psychiatry — A doctor's revelations about a profession in crisis. New York: Free Press.
Carns, T. W., & Martin, S. (2011). Does the YLS/CMI help to predict recidivism? An assessment of the Division
of Juvenile Justice’s use of the Youth level of Services/Case Management Inventory. Anchorage, AK:
The Alaska Judicial Council and the Institute for Social and Economic Research.
Castel, R. (1983). De la dangerosité au risque. Actes de la recherche en sciences sociales, 47(1), 119-127. Chappell, A. T., Maggard, S. R., & Higgins, J. L. (2013). Exceptions to the rule? Exploring the use of overrides
in detention risk assessment. Youth violence and juvenile justice, 11(4), 332-348.
Charette, Y. (2016). L’impact des expériences d’impunité sur les risques de récidive pénale. Canadian Journal
of Criminology and Criminal Justice, 58(4), 565-597.
Chéné, B. (2014). Profil de la population correctionnelle 2012-2013. Services correctionnels, Ministère de la Sécurité publique : Québec.
Chéné, B. (2019). Profil de la population correctionnelle 2015-2016. Direction générale des services correctionnels, Ministère de la Sécurité publique : Québec.
Cocozza, J. J., & Steadman, H. J. (1974). Some refinements in the measurement and prediction of dangerous behavior. American journal of psychiatry, 131(9), 1012-1014.
Cocozza, J. J., & Steadman, H. J. (1975). The failure of psychiatric predictions of dangerousness: Clear and convincing evidence. Rutgers L. Rev., 29, 1084.
Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Hillsdale, NJ: Erlbaum. Cohen, T. H., Pendergast, B., & VanBenschoten, S. W. (2016). Examining overrides of risk classifications for
offenders on federal supervision. Federal Probation, 80(1), 12–21.
Cole, D. P., & Angus, G. (2002). Using pre-sentence reports to evaluate and respond to risk. Crim. LQ, 47, 302. Constans, A., Lunier, L., & Dumesnil, E. J. B. (1878). Rapport général à M. le ministre de l'intérieur sur le Service
des aliénés en 1874. Théraplix : Département psychiatrique.
Cooper D. Psychiatry and anti-psychiatry. London: Tavistock; 1967.
Corbo, C. (2001). Pour rendre plus sécuritaire un risque nécessaire. Rapport, Ministère de la sécurité publique du Québec.
Cortoni, F., Hanson, R. K., & Coache, M. È. (2010). The recidivism rates of female sexual offenders are low: A meta-analysis. Sexual Abuse, 22(4), 387-401.
Côté, G., Crocker, A. G., Nicholls, T. L., & Seto, M. C. (2012). Risk assessment instruments in clinical practice.
92
DeLong, E. R., DeLong, D. M., & Clarke-Pearson, D. L. (1988). Comparing the areas under two or more correlated receiver operating characteristic curves: a nonparametric approach. Biometrics, 837-845. Dolan, M., & Doyle, M. (2000). Violence risk prediction: Clinical and actuarial measures and the role of the
Psychopathy Checklist. The British Journal of Psychiatry, 177(4), 303-311.
Doren, D. M. (2002). Evaluating sex offenders: A manual for civil commitments and beyond. Thousand Oaks, CA: Sage Publications.
Dror, I. E., Charlton, D., & Péron, A. E. (2006). Contextual information renders experts vulnerable to making erroneous identifications. Forensic science international, 156(1), 74-78.
Duwe, G., & Rocque, M. (2018). The home-field advantage and the perils of professional judgment: Evaluating the performance of the Static-99R and the MnSOST-3 in predicting sexual recidivism. Law and Human
Behavior, 42(3), 269–279. http://doi.org/dtqh
Epperson, D. L., & Gore, K. S. (2004, October). Investigation of clinical overrides of the MnSOST-R and the
resulting impact on predictive accuracy. Paper presented at the 23rd Research and Treatment
Convention of the Association for the Treatment of Sexual Abusers, Albuquerque, NM.
Epperson, D. L., Kaul, J. D., & Hesselton, D. S. (2000). Minnesota sex offender screening tool-revised (MnSOST-
R): Development, performance, and recommended risk level cut scores. MN Department of Corrections.
Epperson, D. L., Kaul, J. D., Huot, S. J., Hesselton, D., Alexander, W., & Goldman, R. (1998). Minnesota sex
offender screening tool-revised (MnSOST-R). St. Paul, MN: Minnesota Department of Corrections.
Everitt, B. S., Skrondal, A. (2010). The Cambridge Dictionary of Statistics. Cambridge University Press.
Fagin, L. (1985). Deinstitutionalization in the USA. Bulletin of the Royal College of Psychiatrists, 9(6), 112-114.
Feeley, M. M., & Simon, J. (1992). The new penology: Notes on the emerging strategy of corrections and its implications. Criminology, 30(4), 449-474.
Frisbie, L. V., & Dondis, E. H. (1965). Recidivism among treated sex offenders (No. 5). State of California, Department of Mental Health.
Garland. D. (2001). The Culture of Control: Crime and Social Order in Contemporary Society. Oxford: Oxford University Press.
Garland, D. (2007). Adaptations politiques et culturelles des sociétés à forte criminalité. Déviance et société,
31(4), 387-403.
Gigerenzer, G. (2004). Dread risk, September 11, and fatal traffic accidents. Psychological science, 15(4), 286- 287.
Giguère, G., & Lussier, P. (2016). Debunking the psychometric properties of the LS\CMI: An application of item response theory with a risk assessment instrument. Journal of Criminal Justice, 46, 207-218.
Girard,L. (1999).The Level of Service Inventory–Ontario Revision: Risk/need assessment and recidivism. Unpublished doctoral dissertation, University of Ottawa, Ottawa, Ontario, Canada
Girard, L., & Wormith, J. S. (2004). The predictive validity of the Level of Service Inventory-Ontario Revision on general and violent recidivism among various offender groups. Criminal Justice and Behavior, 31(2), 150- 181.
Glueck, S., & Glueck, E. (1930). Five Hundred Criminal Careers. New York: Knopf.
Goffman, E. (1968). Asylums: Essays on the social situation of mental patients and other inmates. Aldine Transaction.
Gore, K. S. (2007). Adjusted actuarial assessment of sex offenders: The impact of clinical overrides on predictive
accuracy. Dissertation Abstracts International, 68(07), 4824B. (UMI No. 3274898).
Graham-Kevan, N., & Archer, J. (2008). Does controlling behavior predict physical aggression and violence to partners?. Journal of Family Violence, 23(7), 539.
Grove, W. M., & Meehl, P. E. (1996). Comparative efficiency of informal (subjective, impressionistic) and formal (mechanical, algorithmic) prediction procedures: The clinical–statistical controversy. Psychology, public
policy, and law, 2(2), 293.
Grove, W. M., Zald, D. H., Lebow, B. S., Snitz, B. E., & Nelson, C. (2000). Clinical versus mechanical prediction: a meta-analysis. Psychological assessment, 12(1), 19.
Guay, J. P., & Parent, G. (2018). Broken legs, clinical overrides, and recidivism risk: An analysis of decisions to adjust risk levels with the LS/CMI. Criminal Justice and Behavior, 45(1), 82-100.
93
Hacking, I., & Hacking, T. (1990). The taming of chance (Vol. 17). Cambridge University Press.
Hanson, R. K. (1998). What do we know about sex offender risk assessment? Psychology, Public Policy, and
Law, 4, 50-72.
Hanson, R. K., & Bussiere, M. T. (1998). Predicting relapse: A meta-analysis of sexual offender recidivism studies. Journal of consulting and clinical psychology, 66(2), 348.
Hanson, R. K., Harris, A. J., Scott, T. L., & Helmus, L. (2007). Assessing the risk of sexual offenders on
community supervision: The Dynamic Supervision Project (Vol. 5, No. 6). Ottawa, Ontario: Public Safety
Canada.
Hanson, R. K., Helmus, L. M., & Harris, A. J. (2015). Assessing the risk and needs of supervised sexual offenders: A prospective study using STABLE-2007, Static-99R, and Static-2002R. Criminal Justice and
Behavior, 42(12), 1205-1224.
Hanson, R. K., & Morton-Bourgon, K. E. (2009). The accuracy of recidivism risk assessments for sexual offenders: a meta-analysis of 118 prediction studies. Psychological assessment, 21(1), 1.
Hanson, R. K., Morton, K. E., & Harris, A. J. R. (2003). Sexual offender recidivism risk: What we know and what we need to know. In R. A. Prentky, E. S. Janus, & M. C. Seto (Eds.), Sexually coercive behavior. New York: New York Academy of Sciences (Vol. 989).
Hanson, R. K., Steffy, R. A., & Gauthier, R. (1993). Long-term recidivism of child molesters. Journal of consulting
and clinical psychology, 61(4), 646.
Hanson, R. K., & Thornton, D. (1999). Static 99: Improving actuarial risk assessments for sex offenders (Vol. 2). Ottawa, Ontario: Solicitor General Canada.
Harcourt, B. E. (2007). Against prediction: Profiling, policing, and punishing in an actuarial age. Chicago: University of Chicago Press.
Hare, R. D. (1991). The Hare psychopathy checklist-revised (PCL-R). Toronto, Ontario: Multi Health Systems Harris, G. T., Rice, M. E., & Quinsey, V. L. (1993). Violent recidivism of mentally disordered offenders: The
development of a statistical prediction instrument. Criminal Justice and Behavior, 20, 315-335.
Harris, G. T., Rice, M. E., Quinsey, V. L., Lalumière, M. L., Boer, D., & Lang, C. (2003). A multisite comparison of actuarial risk instruments for sex offenders. Psychological assessment, 15(3), 413.
Hart, H. (1923). Predicting parole success. J. Am. Inst. Crim. L. & Criminology, 14, 405.
Hart, S. D. (1998). The role of psychopathy in assessing risk for violence: Conceptual and methodological issues.
Legal and criminological psychology, 3(1), 121-137.
Hart, S. D., Michie, C., & Cooke, D. J. (2007). Precision of actuarial risk assessment instruments: Evaluating the ‘margins of error’ of group v. individual predictions of violence. The British Journal of Psychiatry,
190(S49), s60-s65.
Hartford, K., Davies, S., Dobson, C., Dykeman, C., Fuhrman, B., & Hanbidge, J. (2005). Evidence-based practices in diversion programs for persons with serious mental illness who are in conflict with the law: Literature review and synthesis. Research Insights of the Regional Mental Health Care, London/St.
Thomas, 3(1), 5-59.
Hartvig, P., & Kjelsberg, E. (2009). Penrose's law revisited: the relationship between mental institution beds, prison population and crime rate. Nordic journal of psychiatry, 63(1), 51-56.
Heilbrun, K. (1997). Prediction versus management models relevant to risk assessment: The importance of legal decision-making context. Law and Human Behavior, 21(4), 347-359.
Hilton, N. Z., Scurich, N., & Helmus, L. M. (2015). Communicating the risk of violent and offending behavior: Review and introduction to this special issue. Behavioral Sciences & the Law, 33(1), 1-18.
Hilton, N. Z., & Simmons, J. L. (2001). The influence of actuarial risk assessment in clinical judgments and tribunal decisions about mentally disordered offenders in maximum security. Law and Human Behavior,
25(4), 393-408.
Hogg, S. M. (2011). The Level of Service Inventory (Ontario Revision) scale validation for gender and ethnicity:
Addressing reliability and predictive validity (Doctoral dissertation, University of Saskatchewan).
Hsu, C. I., Caputi, P., & Byrne, M. K. (2009). The Level of Service Inventory—Revised (LSI-R) A Useful Risk Assessment Measure for Australian Offenders? Criminal Justice and Behavior, 36(7), 728-740.
94
Jenkins, P. (1998). Moral panic: Changing concepts of the child molester in modern America. New Haven, CT: Yale University Press.
Kass, G.. V. (1980). An exploratory technique for investigating large quantities of categorical data. Journal of the
Royal Statistical Society, 29(2), 119–127.
Kassin, S. M., Dror, I. E., & Kukucka, J. (2013). The forensic confirmation bias: Problems, perspectives, and proposed solutions. Journal of applied research in memory and cognition, 2(1), 42-52.