MétaCan
Menu
Retour à la cohorte
Enregistrement W2074591665 · doi:10.7202/010707ar

L’argent change tout : les revenus personnels des adolescents et leur penchant à la délinquance1

2005· article· fr· W2074591665 sur OpenAlexvenueno aff
Bill McCarthy, John Hagan

Notice bibliographique

RevueCriminologie · 2005
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueCrime Patterns and Interventions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Le capitalisme de consommation est devenu dominant dans les pays occidentaux. Un train de vie jugé « normal » coûte de plus en plus cher et la plupart des adolescents nord-américains en sont parfaitement conscients. Il n’est donc pas surprenant que beaucoup d’entre eux estiment qu’ils n’ont pas assez d’argent personnel pour participer convenablement aux activités sociales propres à leur classe d’âge. De nombreuses théories stipulent qu’un manque de revenus constitue en soi une bonne raison pour commettre des délits. Mais cette thèse, classique au demeurant, soulève bien des doutes. Certains pensent qu’il n’y a pas de relation de cause à effet entre les besoins d’argent et le penchant à la délinquance. D’autres études notent que ce sont les adolescents qui ont le plus de revenus personnels qui commettent le plus de délits. Ces travaux ont deux défauts. Ils ne tiennent pas compte des effets de l’utilité marginale décroissante d’un supplément de revenus sur les choix de délinquance. Ils négligent aussi d’envisager que la relation causale envisagée puisse être conditionnelle. Dans cet article nous montrons qu’un supplément de revenu personnel incite les adolescents à ajuster à la baisse les vols qu’ils commettent, mais que cet effet décroît proportionnellement à leurs revenus personnels et qu’il n’est opérant que pour les adolescents dont les parents se retrouvent exclus du marché du travail.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,136
Score d'incertitude au seuil0,271

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,002
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0130,001

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 Opus0,768
Tête enseignante GPT0,496
Écart entre enseignants0,272 · 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'étudeObservationnel
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

Citations5
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCriminologieMême sujetCrime Patterns and InterventionsTravaux en français237 207