MétaCan
Menu
Retour à la cohorte
Enregistrement W2574328700 · doi:10.1177/1362480616684194

Seeing crime, feeling crime: Visual evidence, emotions, and the prosecution of domestic violence

2017· article· en· W2574328700 sur OpenAlex
Dawn Moore, Rashmee Singh

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueTheoretical Criminology · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLaw in Society and Culture
Établissements canadiensUniversity of WaterlooCarleton University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésFeelingPsychologyTemporalityPrivilege (computing)CriminologyFemininitySocial psychologySociologyLawPsychoanalysisEpistemologyPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Changes in prosecutorial strategies vis-a-vis domestic violence introduced new models of investigation that privilege images of victims. Drawing on case law, we argue these visual artefacts of victims’ injuries as well as their videotaped sworn statements describing their assaults constitute what Haggerty and Ericson call a ‘data double’, a virtual doppleganger who is meant to stand, often antagonistically in the stead of the flesh and blood victim. We further suggest, following theorizing on the emotional impact of images, that these pictures and videos, presented in court, have an emotional stickiness that differently affects both judges and juries as compared to the testimony of the flesh and blood victim. Thinking through temporality and notions of femininity we conclude that the truth effect of these images is that the victim’s data double becomes more human than human, forcing us to rethink the relationships between victims, images, and the machinations of justice.

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.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,015
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,051
Tête enseignante GPT0,373
Écart entre enseignants0,322 · 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