À qui profite le crime ? Les facteurs individuels de la réussite criminelle1
Notice bibliographique
Résumé
Dans cet article, nous analysons à nouveau les données du deuxième sondage de laRand Corporationmené en 1978 auprès de détenus incarcérés dans des prisons et pénitenciers américains. L’objectif est d’identifier certains facteurs individuels qui influencent à la hausse ou à la baisse les gains criminels parmi un échantillon de détenus (n = 1 260) qui s’adonnent à la criminalité lucrative. Il sera notamment démontré que les détenus qui ont déclaré des gains criminels plus élevés au cours d’une période de référence précédant l’incarcération sont plus enclins à récidiver (d’après les résultats de l’étude de suivi de laRandsix ans plus tard). Par ailleurs, la criminalité stratégique (plutôt que le type de crime), la spécialisation, l’estime de soi et le fait de ne pas rapporter une consommation abusive d’alcool sont autant de facteurs qui favorisent la réussite de la carrière criminelle. Enfin, les contrevenants qui ont fait usage de violence au moins une fois au cours de la période de référence rapportent des gains criminels généralement plus élevés que les autres. Les revenus ont donc tendance à croître en fonction de la fréquence des agressions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».