MétaCan
Menu
Retour à la cohorte
Enregistrement W2087534163 · doi:10.1177/1462474505057120

Thinking about penal equivalents

2005· article· en· W2087534163 sur OpenAlexafffundabout
Voula Marinos

Notice bibliographique

RevuePunishment & Society · 2005
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCriminal Justice and Corrections Analysis
Établissements canadiensBrock University
Organismes subventionnairesGovernment of Canada
Mots-clésPunishment (psychology)SanctionsImprisonmentCriminologyLegislationCriminal justicePsychologyDimension (graph theory)Sample (material)Economic JusticeSociologySocial psychologyPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

Authors have pointed to multiple dimensions of crime and punishment, and in particular, the need to understand both the roles of instrumental and expressive elements. The latter dimension - the expressive or symbolic purpose of punishment - has been viewed as a specific reason for the relatively low success rate of decreasing the use of imprisonment, particularly with respect to public acceptability. I argue that in addition, there has not been adequate attention paid to the roles of factors such as the nature of the offence and the age of the offender. The purpose of this article is to offer a lens through which to think about penal equivalents, and the nuances of various connections among multiple dimensions of punishment. What is lacking from criminal justice literature and legislation is a broader framework for understanding the relationship among purposes of sentencing, sanctions, offences and offenders - how a specific sanction is seen as accomplishing specific purposes only with respect to certain offences and offenders. The present analysis draws on a random sample of residents in Ontario, Canada about their views of the acceptability of fines and community service orders as penal substitutes for custodial sentences across different offence and offender scenarios.

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)0,003
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0030,013
Communication savante0,0060,007
Science ouverte0,0010,003
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,027
Tête enseignante GPT0,330
Écart entre enseignants0,302 · 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'étudeThéorique ou conceptuel
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

Citations44
Publié2005
Routes d'admission3
Résumé présentoui

Explorer davantage

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