MétaCan
Menu
Retour à la cohorte
Enregistrement W2016686008 · doi:10.1177/1462474513477979

Beyond criminocentric dogmatism: Mapping institutional forms of punishment in contemporary societies

2013· article· en· W2016686008 sur OpenAlexaff
João Velloso

Notice bibliographique

RevuePunishment & Society · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCriminal Justice and Corrections Analysis
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésPunitive damagesCriminal justiceCriminal lawNormativeLawCriminologyTheory of criminal justicePolitical scienceRealmSociologyImmigration lawSocial controlPunishment (psychology)ImmigrationPsychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

This article aims to question the role criminal justice and criminal law play in structuring the set of dominant conditioning questions in criminology. Based on socio-legal approaches and past fieldwork in immigration control, I argue that the punitive use of non-criminal-based normative systems (such as immigration law) is not a new trend and that, therefore, we are not assisting a ‘criminal contamination’ of other justice systems, but the re-emergence and consolidation of different punitive logics. In that sense, I suggest that criminal justice acts as an epistemological obstacle, being a major barrier to perceive such nuances. Instead, I propose a wider conception of the penal field which operates as a mobile (kinetic sculpture) and includes the criminal law realm, but also other institutional normative systems that configure ‘less’ prominent locations of punishment, such as: regulatory criminal law, civil courts, immigration law, military law, parole boards and other administrative legal systems that play an increasing role in social reaction. I ultimately argue that criminologists should also focus on such administrative-based justice systems in order to better address and resist punitiveness.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,003
Études des sciences et des technologies0,0030,020
Communication savante0,0050,005
Science ouverte0,0010,006
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,044
Tête enseignante GPT0,291
Écart entre enseignants0,247 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations67
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePunishment & SocietyMême sujetCriminal Justice and Corrections AnalysisTravaux en français237 207