MétaCan
Menu
Retour à la cohorte
Enregistrement W2263920847 · doi:10.1080/1068316x.2015.1114115

A conceptual kaleidoscope: contemplating ‘dynamic structural risk’ and an uncoupling of risk from need

2015· article· en· W2263920847 sur OpenAlexaff
Kelly Hannah‐Moffat

Notice bibliographique

RevuePsychology Crime and Law · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCriminal Justice and Corrections Analysis
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésRecidivismFraming (construction)Criminal justiceKaleidoscopeSociologyCriminologyRisk analysis (engineering)BusinessLaw and economicsEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

Recent calls for ‘evidence-based’ approaches have firmly positioned risk assessment as a promising path towards more efficient, unbiased, and empirically based offender management, in custody and in the community. Simultaneously, sociological and critical legal scholars have questioned the focus on individual needs at the expense of wider structural factors’. I will demonstrate the need to reconceptualise risk/need logics and the use of ‘evidence’. I will argue that various criminal justice processes are themselves dynamic criminogenic risks that produce systemic conditions for recidivism and which, if modified, could make a measurable difference in recidivism and other correctional efficiencies. Finally, I will argue that the logic of dynamic risk is transferable to an analysis of socio-structural factors, and that this characterisation can alter the framing of penal subjects, governmental responsibilities, and potentially interrupt the systemically produced criminogenic pathways that perpetuate criminal involvement and marginalisation.

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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,483
Score d'incertitude au seuil0,963

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,048
Tête enseignante GPT0,388
Écart entre enseignants0,340 · 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

Citations63
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePsychology Crime and LawMême sujetCriminal Justice and Corrections AnalysisTravaux en français237 207