MétaCan
Menu
Retour à la cohorte
Enregistrement W2149941162 · doi:10.1177/14668025030033001

`Doing Good with a Vengeance':

2003· article· en· W2149941162 sur OpenAlexafffundabout
Benedikt Fischer

Notice bibliographique

RevueCriminal Justice · 2003
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCriminal Justice and Corrections Analysis
Établissements canadiensUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésPunitive damagesCriminologyCriminal justiceTherapeutic jurisprudenceRecidivismPoliticsLegitimacyDeviance (statistics)Political scienceDrug courtSocial controlPopularityLawSociologyPsychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

`Drug treatment courts' (DTCs) are a new institution in North American criminal justice for dealing with drug offenders. There are currently two DTC pilot trials in implementation in Canada. Based on a `therapeutic jurisprudence' approach, DTCs claim to rehabilitate rather than punish drug-addicted offenders, and thus to reduce drug use, recidivism and social cost. Given the current enthusiasm about DTCs, this article provides a critique of DTCs' rationale, practices and implications from evaluative, social and legal perspectives. It focuses on the Canadian experience where possible. The analysis examines: the limitations of the evidence and methods behind the claims of DTCs' effectiveness; the ontological and practical challenges of the proposed `bridging' of punishment and treatment; the legal and penological implications of `therapeutic jurisprudence' practices; as well as potential explanations for DTCs' rise in popularity despite the limited evidence for their positive impact. The article concludes with reflections on the implications of DTCs for the government of drug use as deviance in contemporary social contexts, as well as for political efforts towards less punitive drug control. DTCs may reinforce the hegemony of punitive drug use control—partly by coopting treatment strategies—and thus fundamentally protect the legitimacy of prohibition politics.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,509
Score d'incertitude au seuil0,789

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
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 Opus0,029
Tête enseignante GPT0,312
Écart entre enseignants0,283 · 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.

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

Citations59
Publié2003
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCriminal JusticeMême sujetCriminal Justice and Corrections AnalysisTravaux en français237 207