MétaCan
Menu
Retour à la cohorte
Enregistrement W2058862053 · doi:10.3390/soc5020295

Performative Criminology and the “State of Play” for Theatre with Criminalized Women

2015· article· en· W2058862053 sur OpenAlexafffundabout
Elise Merrill, Sylvie Frigon

Notice bibliographique

RevueSocieties · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCriminal Justice and Corrections Analysis
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesUniversity of Ottawa
Mots-clésPerformative utteranceContext (archaeology)Thematic analysisCriminologySociologyState (computer science)Cultural criminologyYouth engagementGender studiesPolitical scienceAestheticsLawQualitative researchSocial scienceHistoryArt

Résumé

récupéré en direct d'OpenAlex

This article applies feminist theory with cultural criminology to explore the role of theatre in the lives of criminalized women. Theatre initiatives for criminalized populations are growing worldwide, and so we are seeking to better understand how these two realms intersect. This article is based on a case study which was conducted at the Clean Break Theatre Company in London, England in the summer of 2013. We explore some of the emerging themes, which took shape from a thematic analysis. First we describe how theatre can be used as a lens into the experiences of criminalized women, and then as a tool for growth in their lives. The role of environment at Clean Break, and the role of voice from practicing theatre in a women-only environment are then discussed. Lastly, the roles of transformation and growth overall for the participants are explored in relation to their experiences with theatre practices. This article works to understand how theatre practices can elevate and adapt cultural criminology into a new form of imaginative criminology, and questions how we can embrace this form of engagement between theatre and criminology within a Canadian context.

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)0,006
score de la tête « metaresearch » (Gemma)0,011
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0310,067
Communication savante0,0160,006
Science ouverte0,0020,013
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,048
Tête enseignante GPT0,307
Écart entre enseignants0,259 · 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

Citations17
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSocietiesMême sujetCriminal Justice and Corrections AnalysisTravaux en français237 207