MétaCan
Menu
Retour à la cohorte
Enregistrement W2891176261 · doi:10.20381/ruor-21837

La diversité des opinions publiques sur le durcissement des peines en droit criminel

2018· dissertation· fr· W2891176261 sur OpenAlexaboutno aff
Sandrine Ferron-Ouellet

Notice bibliographique

RevueuO Research (University of Ottawa) · 2018
Typedissertation
Languefr
DomaineMedicine
ThématiqueHistorical and Scientific Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

Ayant été au pouvoir pendant près de 10 ans, les années conservatrices se distinguent par leur engagement clair pour une justice plus répressive. Selon ces derniers, ce sont les attentes du public canadien qui justifient ces mesures. Qu’en est il vraiment de l’opinion publique canadienne? À partir du cadre conceptuel de la rationalité pénale moderne (RPM), cette étude vise à observer et décrire la diversité des opinions présentes dans les mémoires soumis au Comité permanent de la justice et des droits de la personne (CPJDP), lors de l’étude des projets de loi C-9 (Loi modifiant le Code criminel (emprisonnement avec sursis)) et C-10 (Loi sur la sécurité des rues et des communautés). Par l’analyse de contenu, les 71 mémoires ont été codifiés pour faire ressortir les idées associées à la RPM et celles qui présentent des innovations cognitives. Les opinions émises dans ces mémoires peuvent être classées dans trois grandes catégories. Tout d’abord, nous retrouvons les opinions de groupes appuyant le durcissement législatif proposé dans les projets de loi, à l’aide de théories de la peine et de principes reliés à la RPM. Ensuite, un deuxième groupe d’opinions émergeant des mémoires se positionne en défaveur des projets de loi, sans toutefois délaisser les principes d’exclusion et d’affliction au fondement de la RPM. Finalement, certains acteurs sociaux parviennent à sortir du cadre conceptual de la RPM pour innover et proposer des modes d’intervention alternatifs aux peines afflictives.

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)0,011
score de la tête « metaresearch » (Gemma)0,032
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,032
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0050,005
Communication savante0,0060,004
Science ouverte0,0010,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,117
Tête enseignante GPT0,335
Écart entre enseignants0,218 · 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'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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueuO Research (University of Ottawa)Même sujetHistorical and Scientific StudiesTravaux en français237 207