MétaCan
Menu
← Retour à la cohorte
Enregistrement W2492165599 · doi:10.1017/cbo9780511979170.014

Mitigation in Federal Sentencing in the United States

2011· book-chapter· en· W2492165599 sur OpenAlexaboutno aff
William W. Berry

Notice bibliographique

RevueCambridge University Press eBooks · 2011
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueCriminal Justice and Corrections Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSentencing guidelinesPolitical scienceEnvironmental scienceComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Other chapters in the present volume explore sentencing factors in jurisdictions such as South Africa, Canada or New Zealand, where courts impose sentence in the absence of formal guidelines. Across the United States, however, many jurisdictions employ formal sentencing guidelines, often in the form of a two-dimensional sentencing grid. These guidelines establish a ‘presumptive’ range of sentence for all offences. One of the most well-known and often studied systems is found at the federal level and applies to all offenders sentenced in the federal courts. The US Sentencing Commission issues these guidelines. The federal guidelines employ a two-dimensional grid (offence seriousness; criminal history) with 256 cells that delineates six-month sentencing ranges. Since their adoption in 1987, the US federal sentencing guidelines have required the use of narrow mandatory sentencing ranges in almost every case, thereby contributing to the creation of one of the largest prison populations in the world (Luna 2005; Stuntz 2001). In determining ranges the mandatory sentencing guidelines identified which aggravating factors must be considered while severely restricting the consideration of mitigating factors at sentencing, disfavouring most potential mitigating factors (Tonry 1996).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,087
Score d'incertitude au seuil0,174

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0070,002
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,038
Tête enseignante GPT0,241
Écart entre enseignants0,204 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooks→Même sujetCriminal Justice and Corrections Analysis→Travaux en français237 207→