MétaCan
Menu
Retour à la cohorte
Enregistrement W2898469334 · doi:10.1146/annurev-criminol-011518-024630

Indigenous Peoples, Criminology, and Criminal Justice

2018· article· en· W2898469334 sur OpenAlexaboutno aff
Chris Cunneen, Juan Tauri

Notice bibliographique

RevueAnnual Review of Criminology · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIndigenous Health, Education, and Rights
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIndigenousColonialismCriminologyCriminal justicePoliticsHarmPolitical scienceSociologyEconomic JusticeLawEcology

Résumé

récupéré en direct d'OpenAlex

This review provides a critical overview of Indigenous peoples’ interactions with criminal justice systems. It focuses on the experiences of Indigenous peoples residing in the four major Anglo-settler-colonial jurisdictions of Australia, New Zealand, Canada, and the United States. The review is built around a number of key arguments, including that centuries of colonization have left Indigenous peoples across all four jurisdictions in a position of profound social, economic, and political marginalization; that the colonial project, especially the socioeconomic marginalization resulting from it, plays a significant role in the contemporary over-representation of Indigenous peoples in settler-colonial criminal justice systems; and that a key failure of both governments and the academy has been to disregard Indigenous peoples responses to social harm and to rely too heavily on Western theorizing, policy, and practice to solve the problem of Indigenous over-representation. Finally, we argue that little will change to reduce the negative nature of Indigenous–criminal justice interactions until the settler-colonial state and the discipline of criminology show a willingness to support Indigenous peoples’ desire for self-determination and for leadership in the response to the social harms that impact their communities.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,079
Score d'incertitude au seuil0,157

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,004
Études des sciences et des technologies0,0040,009
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,059
Tête enseignante GPT0,374
Écart entre enseignants0,315 · 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
GenreSynthèse

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

En bref

Citations134
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnual Review of CriminologyMême sujetIndigenous Health, Education, and RightsTravaux en français237 207