L’étude de l’influence des facteurs légaux et extralégaux dans le cheminement des affaires de fraude au Québec
Notice bibliographique
Résumé
L’objectif de cette étude consiste à mieux comprendre le phénomène de l’attrition pénale au Canada. D’une part, elle vise à déterminer quels sont les facteurs d’influence des décisions pénales motivant la poursuite ou l’arrêt des procédures. D’autre part, il est question de vérifier si ces facteurs sont comparables à chaque étape décisionnelle ou non. Pour y parvenir, une analyse de différentes décisions prises par des policiers, des procureurs et des juges fut réalisée. Un total de 525 affaires criminelles a été considéré. Les analyses descriptives montrent que l’échantillon est principalement constitué d’hommes (77%) sans antécédents criminels en matière de fraude (76%). Les analyses multivariées suggèrent que les facteurs légaux sont les meilleurs prédicteurs des décisions pénales. Comme observé dans la littérature, les antécédents criminels et la gravité de l’infraction semblent influencer les décisions. Ainsi, le fait d’avoir fait une tentative de vol d’un certain montant d’argent, le nombre d’infractions commis et la présence d’antécédents criminels de fraude semblent influencer ces décisions. Lorsque le suspect fait une tentative de vol et qu’une infraction a été commise (comparativement à plusieurs), des accusations sont moins susceptibles d’être recommandées contre lui par la police. Cette probabilité est également moindre lorsque le suspect possède des antécédents criminels de fraude (une relation marginale a été observée). De plus, il semble que l’influence des facteurs diffère d’une étape à une autre. Un retour plus explicite sur ces résultats est effectué dans la discussion.
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».