Notice bibliographique
Résumé
La présente étude se penche sur l’expérience d’individus qui visitent leurs proches dans les pénitenciers fédéraux au Canada, notamment sur les répercussions de l’utilisation d’un appareil de détection de drogues, le scanneur à ions, qui sert d’étape de contrôle des visiteurs des détenus. À partir de données tirées de huit entretiens non dirigés avec des personnes ayant connu des faux positifs sur le scanneur à ions lors de visites en prison, j’étudie les conséquences négatives de ce type de résultats, qui peuvent être assez fréquents, sur la vie des détenus et de leur famille. Même s’ils sont présentés comme des instruments objectifs et non biaisés, la manière dont les scanneurs à ions sont utilisés est empreinte de jugements moraux envers les individus qui visitent leurs proches détenus. J’aborde deux thèmes tirés de l’analyse : l’interaction entre le personnel carcéral et les familles des prisonniers ainsi que l’irrégularité et l’imprévisibilité des scanneurs à ions. L’analyse montre qu’il s’agit d’une technologie à risque d’erreurs qui participe à la stigmatisation – et même à la punition – des familles des détenus. En m’appuyant sur la littérature portant sur les conséquences collatérales de l’incarcération et sur les technologies du risque et de surveillance, je réfléchis à la manière dont les scanneurs à ions participent à l’extension des souffrances de l’incarcération aux visites en prison.
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 | 0,007 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,010 | 0,013 |
| Communication savante | 0,008 | 0,005 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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.
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 ».