Les drogues, l’alcool et la criminalité : profil des détenus fédéraux canadiens
Notice bibliographique
Résumé
Il est souvent fait mention dans la documentation scientifique d’une association statistique entre la consommation d’alcool, de drogues illicites et la criminalité. Cependant, on trouve peu d’information permettant d’estimer l’importance de cette relation et de la préciser. La consommation de substances psychoactives se caractérise par deux propriétés importantes, soit une éventuelle intoxication et la dépendance. Ces deux propriétés renvoient respectivement aux modèles psycho-pharmacologique et économico-compulsif tentant d’expliquer la relation drogue-crime. Le premier modèle associe l’usage et l’intoxication à une diminution de la performance des fonctions cognitives et de contrôle donnant libre cours, entre autres, aux pulsions agressives et à la violence. On réfère ainsi souvent aux théories de la désinhibition. Le deuxième modèle fait référence à l’énorme pression économique qui repose sur les épaules d’un consommateur dépendant de certaines drogues, et à la nécessité d’exercer des activités criminelles lucratives dans le but de se procurer l’argent nécessaire à la consommation. Cet article explore les liens entre la consommation d’alcool, de drogues illicites et la criminalité, en cherchant à les préciser en tenant compte d’une part du type de substances et d’autre part du type de criminalité en question.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
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 ».