MétaCan
Menu
Retour à la cohorte
Enregistrement W2882998805 · doi:10.1177/1748895818787864

Contextualizing opposition to pardons: Implications for pardon reform

2018· article· en· W2882998805 sur OpenAlexaffabout
Yoko Murphy

Notice bibliographique

RevueCriminology & Criminal Justice · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCriminal Justice and Corrections Analysis
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésOpposition (politics)CriminologyCriminal justiceEconomic JusticeGovernment (linguistics)DemographicsRecidivismLaw reformAffect (linguistics)Political sciencePsychologyLawSociologyPolitics

Résumé

récupéré en direct d'OpenAlex

Though pardons (record suspensions) have existed in Canada for over four decades, most reform to the pardon programme has occurred in the last decade. An experimental survey was conducted to understand whether providing basic information pertaining to crime and criminal behaviour would affect support for pardons in Canada. Generally, there was no relationship between responses to pardon-related questions and demographics (i.e. gender, age or education) or most other standard criminal justice-related questions. Responses to questions on three aspects of pardons (eligibility waiting times; submission fees; and automatic pardons) were not affected by whether or not the information condition was received. However, providing respondents with a small amount of information about sex offence recidivism did increase the acceptability of allowing those convicted of sex offences to receive pardons. These findings suggest that certain concerns regarding pardon accessibility could potentially be alleviated by presenting existing government data to the public.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,745
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,001
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 Opus0,159
Tête enseignante GPT0,414
Écart entre enseignants0,256 · 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 tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations3
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCriminology & Criminal JusticeMême sujetCriminal Justice and Corrections AnalysisTravaux en français237 207