Hate crime law & social contention : a comparison of nongovernmental knowledge practices in Canada & the United States
Notice bibliographique
Résumé
Hate crime laws in both Canada and the United States purport to promote equality using the language of antidiscrimination law. National criminal codes in both countries authorize enhanced punishment for crimes motivated by “sexual orientation” but not “gender identity” or “gender expression.” Cities and states in the United States have also adopted hate crime laws, some of which denounce both homophobic and trans-phobic crimes. Hate crime penalty enhancement laws have been applied by courts in both Canada and the United States to establish a growing jurisprudence. In both countries, moreover, other hate crime laws contribute to official legal knowledge by regulating hate speech, hate crime statistics, and conduct equivalent to hate crimes in schools, workplaces, and elsewhere. Yet, despite the proliferation of hate crime laws and jurisprudence, governmental officials do not control all legal knowledge about hate crimes. Sociological “others” attend criminal sentencing proceedings and provide support to hate crime victims during prosecutions, but they also frame their own unofficial inquiries and announce their own classification decisions for hate-related events. In both Canada and the United States, nongovernmental groups contend both inside and outside official governmental channels to establish legal knowledge about homophobic and trans-phobic hate crimes. In two comparable Canadian and American cities, similar groups monitor and classify homophobic and trans-phobic attacks using a variety of information practices. Interviews with representatives of these groups reveal a relationship between the practices of each group and hate crime laws at each site. The results support one principal conclusion. The availability of local legislative power and a local mechanism for public review are key determinants of the sites and styles of nongovernmental contention about hate crimes. Where police gather and publish official hate crime statistics, the official classification system serves as both a site for mobilization, and a constraint on the styles of contention used by nongovernmental groups. Where police do not gather or publish hate crime statistics, nongovernmental groups are deprived of the resource represented by a local site for social contention, but their styles of contention are liberated from the subtle influences of an official hate crime classification system.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,017 | 0,005 |
| Communication savante | 0,006 | 0,001 |
| Science ouverte | 0,002 | 0,005 |
| 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 ».