MétaCan
Menu
Retour à la cohorte
Enregistrement W2128003957 · doi:10.1177/1049732313507753

Purposing and Repurposing Harms

2013· article· en· W2128003957 sur OpenAlexaffabout
Karen‐Lee Miller

Notice bibliographique

RevueQualitative Health Research · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSexual Assault and Victimization Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésHarmCriminologyPsychologyCriminal justiceRepurposingCompensation (psychology)Economic JusticeSocial psychologyPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

The purpose of the victim impact statement (VIS) is to inform judges of victims' crime-related physical, psychological, and financial harms. Findings from interviews with Canadian sexual assault victims, advocates, victim services workers, and prosecutors (N = 37) demonstrated that harm descriptions were manipulated by victims and others in keeping with, and contrary to, VIS design. Victims and prosecutors purposed the VIS to inform court outcomes through harms claims and struggles over those claims. The repurposing of harms claims occurred through practices of strategic disclosure, intended to effect changes in others' behaviors, and harm peddling, the circulation of the VIS in nonsentencing arenas. Victims, adversaries, and criminal justice professionals engaged in harm peddling to obtain compensation, child custody, and parole delay. Implications of purposing and repurposing harms claims include novel opportunities and legal pitfalls for victims, varied responses by judges, and an expansion of social control over victims and offenders.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,546
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,625
Tête enseignante GPT0,659
Écart entre enseignants0,034 · 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 tête enseignante, pas un consensus.

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

Citations12
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueQualitative Health ResearchMême sujetSexual Assault and Victimization StudiesTravaux en français237 207